EpicWorldModel: Exploration-driven Planning with Latent World Models

📄 arXiv: 2610.05996v1 📥 PDF

作者: Bowen Feng, Julian Ost, May Mei, Anirudha Majumdar, Felix Heide

分类: cs.LG, cs.AI, cs.RO

发布日期: 2026-10-05

备注: Accepted at NeurIPS 2026. 18 pages, 8 figures, 5 tables (11 pages main text, 4 pages appendix)

💡 一句话要点

提出EpicWorldModel以解决部分可观测环境中的不确定性规划问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 潜在世界模型 不确定性规划 流匹配 交叉熵方法 机器人导航 智能代理 自动驾驶

📋 核心要点

  1. 现有的潜在世界模型在面对部分可观测环境时，无法有效处理由于遮挡导致的多重未来可能性。
  2. EpicWorldModel通过训练随机JEPA，利用流匹配目标直接预测多个未来状态，从而应对不确定性。
  3. 实验结果显示，EpicWorldModel在多个任务中表现优异，成功率较LeWorldModel提升了22%。

📝 摘要（中文）

基于联合嵌入预测架构（JEPA）的潜在世界模型在完全可观测场景中表现良好，但在过去的观察和动作导致多个可能的未来状态时（例如由于遮挡），该范式会失效。为此，本文提出了EpicWorldModel框架，旨在为具有固有不确定性的环境和任务训练随机JEPA。通过流匹配目标，EpicWorldModel能够在条件历史缺失的情况下直接预测多个潜在的未来状态。此外，流预测方差作为探索指导，结合交叉熵方法（CEM）进行规划，从而在目标达成与探索不确定区域之间取得平衡。实验结果表明，EpicWorldModel在多个任务中表现优异，相较于LeWorldModel成功率提高了22%。

🔬 方法详解

问题定义：本文旨在解决在部分可观测环境中，现有确定性潜在世界模型无法处理的多重未来状态问题，尤其是由于遮挡导致的不确定性。

核心思路：EpicWorldModel通过训练随机JEPA，结合流匹配目标，能够在缺乏目标相关场景内容的情况下，直接预测多个潜在的未来状态，从而有效应对不确定性。

技术框架：该框架包括两个主要模块：一个是用于训练的随机JEPA预测器，另一个是用于规划的交叉熵方法（CEM），二者通过流预测方差进行连接，以实现目标达成与探索的平衡。

关键创新：EpicWorldModel的核心创新在于引入了流预测方差作为探索指导，这一设计使得模型能够在不确定区域进行有效探索，显著提升了规划性能。

关键设计：在模型设计中，采用了流匹配目标作为损失函数，并通过优化潜在表示空间来增强预测能力，确保模型能够处理多种未来状态的预测。具体的网络结构和参数设置在实验中经过调优，以达到最佳性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在一系列实验中，EpicWorldModel展现出卓越的性能，成功率相比于基线LeWorldModel提升了22%。该模型在多个任务中均表现出最佳或持平的效果，证明了其在处理不确定性方面的有效性。

🎯 应用场景

EpicWorldModel的研究成果具有广泛的应用潜力，尤其是在机器人导航、自动驾驶和智能代理等领域。通过有效处理不确定性，该模型能够提升自主系统在复杂环境中的决策能力，未来可能推动更智能的自动化解决方案的发展。

📄 摘要（原文）

Latent world models based on Joint-Embedding Predictive Architecture (JEPA) are deterministic by design. While successful in fully observable scenarios, this paradigm breaks down when past observations and actions lead to multiple plausible future possibilities, e.g., due to occlusion. We introduce EpicWorldModel, a framework to train stochastic JEPAs for environments and tasks with inherent uncertainty under partially observability. We jointly train the EpicWorldModel predictor with its latent representation space to directly predict multiple potential future states using a flow-matching objective, when the goal-relevant scene content is absent from the conditioning history. We show that flow predictive variance, motivated by its relation to an upper bound on predictive entropy, serves as a useful exploration guidance for planning. By incorporating this uncertainty signal into Cross-Entropy Method (CEM)-based planning, our approach balances goal-reaching with exploration of uncertain regions where occluded goals are most likely to be located. We demonstrate the effectiveness of EpicWorldModel through a series of latent planning experiments with the best or on-par performance across tasks, showing up to 22% empirical improvement in success rate over LeWorldModel.