Aim Short to Reach Far: Your Frozen World Model Can Plan Better Than You Think
作者: Xvyuan Liu, Jianjie Fang, Chen Gao, Yong Li
分类: cs.LG, cs.RO
发布日期: 2026-09-24
💡 一句话要点
提出锚定规划以优化视觉世界模型的控制策略
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 视觉世界模型 锚定规划 动作合成 机器人控制 智能决策
📋 核心要点
- 现有的基于视觉世界模型的规划方法在控制效果上存在局限，尤其是在面对需要初始远离目标的动作时。
- 论文提出了锚定规划方法，通过检索与当前和目标观察相似的记录片段，优化动作合成过程。
- 实验结果表明，使用观察目标进行规划在所有任务中均优于现有的LeWM规划器，显示出显著的性能提升。
📝 摘要（中文）
基于视觉世界模型的规划者通常通过预测结果与目标图像的距离来评分。然而，这种方法可能限制控制效果，即使在精确动态和全局最优的短视野搜索下，达到目标可能需要初始远离目标的动作。通过冻结的LeWM模型，使用中间目标显著改善了在Cube、PushT、Reacher和TwoRoom任务中的动作合成和记录动作排名。我们引入了锚定规划，检索与当前观察和目标观察相似的记录片段，并在其开始后不久的观察上进行规划。无额外训练的情况下，朝向观察目标的规划在我们的长距离评估中超越了现有的LeWM规划器。最终目标搜索未能实现相同的提升。
🔬 方法详解
问题定义：本论文旨在解决基于视觉世界模型的规划方法在控制效果上的不足，尤其是当达到目标需要初始远离目标时，现有方法的局限性显著。
核心思路：论文提出的锚定规划方法通过检索与当前状态和目标状态相似的历史记录，优化了动作合成过程。这种方法允许规划者在短期内朝向一个中间目标，而不是直接朝向最终目标，从而提高了控制的灵活性和有效性。
技术框架：整体架构包括三个主要模块：1) 记录片段检索模块，根据当前和目标观察检索相似的历史记录；2) 中间目标设定模块，设定一个短期目标以指导动作合成；3) 动作评分模块，使用冻结的LeWM模型对朝向中间目标的动作进行评分。
关键创新：最重要的技术创新在于引入了中间目标的概念，通过锚定规划方法，允许规划者在执行过程中动态调整目标，从而克服了传统方法的局限性。
关键设计：在设计中，关键参数包括中间目标的选择策略和检索范围的动态调整。此外，损失函数设计上强调了对中间目标的准确性，以确保动作合成的有效性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，使用锚定规划方法的系统在Cube、PushT、Reacher和TwoRoom任务中均超越了传统的LeWM规划器，表现出显著的性能提升，尤其是在长距离评估中，成功率和动作合成质量均有显著改善。
🎯 应用场景
该研究的潜在应用领域包括机器人控制、自动驾驶和智能制造等。通过优化规划策略，能够提高系统在复杂环境中的适应能力和决策效率，具有重要的实际价值和未来影响。
📄 摘要（原文）
Planners built on visual world models commonly score each predicted outcome by its distance to the encoded goal image. We show that this target can limit control even with exact dynamics and globally optimal short-horizon search: reaching a goal may require actions that initially move away from it. With frozen LeWM models, intermediate targets substantially improve action synthesis and recorded-action ranking on Cube, PushT, Reacher, and TwoRoom. Learned targets and targets drawn from observed experience both produce these gains. We introduce Anchored Planning, which retrieves a recorded segment whose start and end resemble the current and goal observations, then aims at an observation shortly after its start. The frozen model scores actions toward this target from the current state. Without additional training, planning toward observed targets outperforms the released LeWM planner on every task in our long-range evaluation. Additional final-goal search falls short of the same gains. Lower successor-prediction error need not translate into better control. Success also depends on how far ahead the target is placed and on shrinking the retrieval span as execution advances. Changing only the target lets the same frozen model and planner reach goals that final-goal scoring misses.