AnyGoal: On World Model Generalization Beyond Expert Rollouts
作者: Heejeong Nam, Divyat Mahajan, Quentin Le Lidec, Randall Balestriero, David Klindt
分类: cs.AI
发布日期: 2026-10-19
备注: Project Page: https://hazel-heejeong-nam.github.io/anygoal/
💡 一句话要点
提出AnyGoal以解决世界模型在目标转移任务中的泛化问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 世界模型 目标转移 动态泛化 智能体规划 机器学习
📋 核心要点
- 现有世界模型在处理目标转移任务时，往往无法有效泛化到未见过的状态-动作组合，导致规划性能下降。
- 本文提出AnyGoal基准，旨在通过构建目标转移任务变体，评估世界模型在动态重组中的表现。
- 实验结果显示，当前模型在多种环境下对目标转移的预测和规划存在显著失败，揭示了泛化能力的不足。
📝 摘要（中文）
世界模型的目标是捕捉环境的动态特性，从而使智能体能够规划和模拟行动。然而，学习到的动态特性必须超越专家轨迹中观察到的特定状态-动作组合。本文探讨数据覆盖、动态泛化与下游规划性能之间的关系，提出了AnyGoal基准，旨在评估世界模型在目标转移任务中的表现。通过多个环境和模型的实验，发现当前模型在组合状态和动作时存在显著失败，提供了评估世界模型泛化能力的新框架。
🔬 方法详解
问题定义：本文旨在解决世界模型在目标转移任务中的泛化能力不足问题。现有方法在处理未见过的状态-动作组合时，表现出明显的局限性，导致规划效果不佳。
核心思路：论文通过引入AnyGoal基准，探索世界模型如何在已知状态和动作的组合中生成有效的动态特性。该方法的设计旨在促进模型对新任务的适应能力。
技术框架：整体架构包括数据集构建、模型训练和评估三个主要模块。数据集由多种环境的目标转移任务组成，模型通过学习这些任务的动态特性进行训练，最后通过评估指标检验其泛化能力。
关键创新：最重要的技术创新在于提出了AnyGoal基准，系统性地评估了世界模型在目标转移任务中的表现，填补了现有研究中的空白。与传统方法相比，该基准强调了动态重组的有效性。
关键设计：在模型训练中，采用了特定的损失函数以优化动态预测的准确性，并设计了适应性强的网络结构，以提高模型对新组合的学习能力。
🖼️ 关键图片
📊 实验亮点
实验结果表明，当前世界模型在面对目标转移任务时，表现出高达30%的性能下降，尤其是在未见过的状态-动作组合中。这一发现强调了模型在动态重组方面的不足，为未来的研究指明了方向。
🎯 应用场景
该研究的潜在应用领域包括机器人规划、自动驾驶和游戏智能体等。通过提高世界模型在目标转移任务中的泛化能力，可以显著提升智能体在复杂环境中的决策和规划能力，具有重要的实际价值和未来影响。
📄 摘要（原文）
The goal of a world model is to capture the dynamics of an environment. This has the great appeal that it allows agents to plan and simulate a course of actions with the help of a world model. For these uses to be reliable, however, the learned dynamics must behave well beyond the specific state-action combinations observed in expert rollouts. Despite this, the relationship between data coverage, dynamics generalization, and downstream planning performance remains underexplored. We study this relationship through the lens of compositional generalization: can a world model recombine familiar state and action factors into valid dynamics? To answer this, we introduce AnyGoal, a benchmark of goal-shifted task variants built from widely used world-model environments, together with an open-source library. Each task is designed to be within reach of a world model that has learned the underlying dynamics: individual state factors and actions remain within their training support, but their combinations are underrepresented in expert trajectories. Across multiple environments and world model families, we find that current models consistently exhibit failures under these recombinations. By examining dynamics and representation failures across model families, interaction regimes, and evaluation metrics, we study where current world models generalize and where challenges remain for goal-shifted prediction and planning. Together, this framework, benchmark, and analysis provide a basis for evaluating progress toward world models that generalize to new planning tasks.