RecodeX 重构消息，清华大学与新加坡国立大学研究者提出具身智能框架ParallelWorld，将多步预演引入高层规划：智能体在执行动作前先探索多条候选行动路径，比较不同选择的后续观察与任务进展后再决策，并以预演与执行循环结合的滚动规划机制自适应调整搜索宽度与深度。

该框架将相关操作任务成功率从56%提升至83%，在8种机器人操作设置中成功率均高于基线，多数具身空间智能任务表现优于顺序式主动探索。但它在精确几何推理和物理接触动力学任务上存在能力边界，自适应搜索耗时约为直接执行的5.8倍，物理预测可靠性与推理成本仍待解决。