Forecasting from Counterfactual Simulator Rollouts: A Sim2Real Evaluation
作者: Angel Wang, Dominique Perrault-Joncas, Alvaro Maggiar, Dean Foster, Carson Eisenach
分类: cs.LG
发布日期: 2026-10-02
备注: 15 pages, 3 figures, 9 tables
💡 一句话要点
提出基于反事实模拟器的预测方法以解决冷启动问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 冷启动问题 反事实模拟 预测模型 库存管理 决策策略
📋 核心要点
- 现有方法在新决策策略下缺乏足够的历史数据，导致预测模型面临冷启动问题。
- 论文提出通过反事实模拟器生成数据，填补历史观察与新策略下真实观察之间的空白。
- 实验结果显示，模拟器训练的模型在MAPE上显著优于历史数据训练的模型，且可通过后续校准进一步优化。
📝 摘要（中文）
部署新决策策略会导致预测模型面临冷启动问题，因为历史观察数据反映的是早期策略，而新策略下的真实观察数据尚不可用。本文通过在反事实场景中展开目标策略的模拟，利用生成的轨迹学习系统对这些控制的响应，从而填补这一空白。通过对两个真实的库存控制部署进行评估，验证了模拟器的保真度、零样本转移到真实行为的能力，以及随着真实目标策略观察数据的积累进行适应的过程。结果表明，模拟器训练的预测模型在点估计的平均绝对百分比误差（MAPE）上优于基于历史真实数据训练的模型，且在部署后通过早期真实观察的轻量级校准进一步降低了误差。
🔬 方法详解
问题定义：本文解决的是在新决策策略下，预测模型因缺乏真实观察数据而面临的冷启动问题。现有方法依赖于历史数据，无法有效适应新策略。
核心思路：通过反事实模拟器生成目标策略的模拟数据，利用这些数据训练预测模型，从而在缺乏真实数据的情况下进行有效预测。此方法旨在通过模拟填补数据空白，增强模型的适应性。
技术框架：整体流程包括三个主要阶段：首先，使用反事实模拟器生成目标策略的轨迹；其次，基于这些轨迹训练预测模型；最后，通过与历史真实数据的对比进行模型验证和校准。
关键创新：最重要的技术创新在于利用反事实模拟器生成的数据进行模型训练，打破了传统方法对历史数据的依赖，实现了零样本转移到真实行为的能力。
关键设计：在模型训练中，采用了特定的损失函数以优化MAPE，并设计了轻量级的校准机制，以便在真实数据逐渐积累后进一步降低预测误差。具体的网络结构和参数设置在实验中进行了详细调优。
🖼️ 关键图片
📊 实验亮点
实验结果表明，模拟器训练的预测模型在MAPE上优于基于历史数据训练的模型，Study 1中减少了1.2-3.1个百分点，Study 2中减少了12.5-18.7个百分点。部署后，轻量级校准进一步降低了误差，最高可达2.5个百分点，显示出显著的性能提升。
🎯 应用场景
该研究的潜在应用领域包括库存管理、供应链优化和其他需要快速适应新决策策略的场景。通过有效的冷启动预测，企业可以在新策略实施初期减少决策风险，提高运营效率，具有重要的实际价值和未来影响。
📄 摘要（原文）
Deploying a new decision policy creates a cold-start problem for prediction models whose targets depend on the policy's actions: historical observations reflect earlier policies, while real observations under the new policy are not yet available. Simulation offers a way to address this gap by rolling out the target policy across counterfactual scenarios and using the resulting trajectories to learn how the system responds to those controls. The simulation-to-reality (Sim2Real) transfer of this simulator-trained model can then be backtested by evaluating it against real observations from past deployments. Using two real-world inventory-control deployments, we evaluate this process from three angles: simulator fidelity, zero-shot transfer to real behavior, and adaptation as real target-policy observations accumulate. The simulator-trained forecaster achieves lower point-estimate mean absolute percentage error (MAPE) than the same architecture trained on historical real data, reducing MAPE by 1.2-3.1 percentage points in Study 1 and 12.5-18.7 points in Study 2. After deployment, lightweight calibration using early real observations further reduces error by up to 2.5 percentage points. These results provide empirical evidence that simulator-generated counterfactual data can support cold-start forecasting under a new policy, and the resulting model can be further refined as real deployment data become available.