Parallel Predictive World Models for Accurate and Efficient Long-Horizon Planning
作者: Wanjin Feng, Baobin Zhang, Ao Yu, Shibo Feng, Xi Wang, Xingyu Gao
分类: cs.AI
发布日期: 2026-10-06
💡 一句话要点
提出并行预测世界模型以解决长时间规划问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 长时间规划 世界模型 并行预测 因果交互 自回归方法
📋 核心要点
- 现有的自回归展开方法在长时间规划中存在预测误差累积和效率低下的问题。
- 本文提出的并行预测世界模型（PPWM）通过并行预测有限时间轨迹，避免了传统方法的递归反馈问题。
- 实验结果表明，PPWM在长时间预测误差和规划速度上均优于自回归基线，显示出显著的性能提升。
📝 摘要（中文）
长时间的世界模型规划通常依赖自回归展开，这种方法在保持时间结构的同时，导致了一个以时间为序的路径，并使得后续预测受到递归解码状态反馈的影响。本文提出了并行预测世界模型（PPWM），该模型能够并行预测有限时间的轨迹，同时保持未来表示之间的因果交互。每个时间段都基于其因果动作前缀进行条件化，未来表示在解码之前进行交互，从而将时间因果性与逐状态输出递归分离。通过在四个视觉控制任务上的实验，PPWM在长时间预测误差方面表现出最低的结果，并在评估的预测接口中获得最高的交叉熵方法（CEM）模拟器成功率。同时，PPWM在规划速度上比自回归LeWM基线快了超过3倍。这些结果表明，准确高效的长时间世界模型规划并不需要逐状态的自回归，而是可以通过并行因果轨迹预测来实现。
🔬 方法详解
问题定义：本文旨在解决长时间世界模型规划中的自回归展开方法所带来的预测误差累积和效率低下的问题。现有方法在进行长时间预测时，后续的状态预测受到前面状态的递归反馈影响，导致误差逐渐增大。
核心思路：PPWM的核心思路是并行预测有限时间的轨迹，同时保持未来状态之间的因果交互。通过这种设计，模型能够在不依赖逐状态反馈的情况下，准确地进行长时间预测。
技术框架：PPWM的整体架构包括多个模块，首先是基于因果动作前缀的条件化预测模块，然后是未来表示的交互模块，最后是解码模块。每个模块在设计上都旨在分离时间因果性与状态输出的递归。
关键创新：PPWM的最大创新在于将自回归展开视为因果轨迹图，并通过去除解码状态反馈路径来实现更高效的预测。这一方法与传统的逐状态自回归方法本质上不同，能够显著降低长时间预测的误差。
关键设计：在模型设计中，PPWM采用了特定的损失函数来优化预测精度，并在网络结构上进行了调整，以支持并行处理和因果交互。这些设计使得模型在长时间规划中表现出色。
🖼️ 关键图片
📊 实验亮点
实验结果显示，PPWM在四个视觉控制任务中实现了最低的长时间预测误差，并在交叉熵方法（CEM）模拟器成功率上表现最佳。同时，PPWM在规划速度上比自回归LeWM基线快了超过3倍，展现了显著的性能提升。
🎯 应用场景
该研究的潜在应用领域包括机器人导航、自动驾驶、游戏AI等需要进行长时间规划的场景。通过提高长时间预测的准确性和效率，PPWM能够为这些领域提供更智能的决策支持，推动相关技术的发展和应用。
📄 摘要（原文）
Long-horizon world-model planning typically relies on autoregressive rollouts, where predicted states are repeatedly fed back into the model. This preserves temporal structure but creates a horizon-length sequential path and exposes later predictions to recursive decoded-state feedback. We introduce Parallel Predictive World Models (PPWM), which predict a finite-horizon trajectory in parallel while retaining causal interaction among future representations. Each horizon is conditioned on its causal action prefix, and future representations interact before decoding, separating temporal causality from state-by-state output recursion. We formalize this distinction by viewing autoregressive rollout as a causal trajectory map and identifying the decoded-state feedback pathway removed by PPWM. Across four visual-control tasks, PPWM achieves the lowest long-horizon prediction error and the highest Cross-Entropy Method (CEM) simulator success among the evaluated predictive interfaces. Meanwhile, PPWM achieves more than a 3$\times$ average CEM planning speedup over the autoregressive LeWM baseline. These results suggest that accurate and efficient long-horizon world-model planning does not require state-by-state autoregression, but can instead be achieved through parallel causal trajectory prediction.