Causal world models under physical parameter shifts

📄 arXiv: 2610.29088v1 📥 PDF

作者: Chu Lin, Yi Sun

分类: cs.LG, cs.RO

发布日期: 2026-10-21

备注: 2 figures

💡 一句话要点

提出因果世界模型以应对物理参数变化问题

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

关键词: 因果建模 世界模型 物理参数 机器人控制 预测性能 动态系统 机器学习

📋 核心要点

  1. 现有的世界模型在物理条件变化时准确性下降，尤其是在超出训练分布的情况下，导致预测性能不稳定。
  2. 本文提出了一种新的因果建模方法，通过冻结依赖掩码和指尖局部世界模型来提高模型在物理参数变化下的预测能力。
  3. 实验结果表明，使用已知PD控制器的模型在150步滚动中的中位关节R2从0.609提升至0.727，显示出显著的性能提升。

📝 摘要（中文）

世界模型用于预测具身系统在行动下的演变，但当物理条件超出训练分布时，其准确性可能下降。本文研究因果建模的两个组成部分：预测器可能使用的输入以及其机制如何计算这些输入的影响。在合成基准测试中，通过配对干预得到的冻结依赖掩码将完全连接预测器的均值超出分布（OOD）均方根误差（RMSE）从1.769降低至0.697，接近生成器-神谕掩码（0.694）。在CausalWorld中进行机器人连杆质量外推时，提出了指尖局部世界模型，显式仿射系数将连杆质量引入惯性和动态偏差项，动作通过学习的扭矩网络或已知的PD控制器作用，学习的残差捕捉接触相关效应。与固定质量输入的单独训练控制相比，已知PD模型将超出范围的质量转化为一致的预测增益：150步滚动的中位时间平均关节R2从0.609上升至0.727，所有十个任务种子运行均有改善（双侧符号检验，p = 0.002）。

🔬 方法详解

问题定义：本文旨在解决现有因果世界模型在物理参数变化时预测准确性下降的问题。现有方法在训练分布外的情况表现不佳，导致预测性能不稳定。

核心思路：论文提出通过冻结依赖掩码和指尖局部世界模型来增强模型的鲁棒性，使其在面对超出训练范围的物理参数时仍能保持较高的预测准确性。

技术框架：整体架构包括两个主要模块：一是通过配对干预生成的冻结依赖掩码，二是指尖局部世界模型，该模型将连杆质量通过显式仿射系数引入惯性和动态偏差项。动作通过学习的扭矩网络或已知的PD控制器进行。

关键创新：最重要的技术创新在于引入了冻结依赖掩码和指尖局部世界模型，使得物理参数的引入方式直接影响预测性能，解决了传统方法在参数变化时的局限性。

关键设计：关键设计包括使用显式仿射系数将连杆质量引入模型，采用学习的扭矩网络和已知的PD控制器来执行动作，以及通过学习的残差捕捉接触相关效应。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果显示，已知PD模型在150步滚动中的中位关节R2从0.609提升至0.727，所有十个任务种子运行均有改善，且学习的扭矩模型在100步预测中与最强的递归机器人世界模型配置相当，显示出显著的性能优势。

🎯 应用场景

该研究的潜在应用领域包括机器人控制、自动化系统和智能制造等。通过提高模型在物理参数变化下的预测能力，可以增强机器人在复杂环境中的适应性和决策能力，推动智能系统的实际应用和发展。

📄 摘要（原文）

World models predict how embodied systems evolve under actions, but their accuracy can degrade when physical conditions move outside the training distribution. We study two components of causal modeling: which inputs a predictor may use, and how its mechanism computes their effects. In a synthetic benchmark with shortcut features, a frozen dependency mask derived from paired interventions reduces mean out-of-distribution (OOD) RMSE from 1.769 for a fully connected predictor to 0.697, close to the generator-oracle mask (0.694). For robot link-mass extrapolation in CausalWorld, with disjoint training and test mass ranges, we develop finger-local world models in which link masses enter inertia and dynamics-bias terms through explicit affine coefficients, actions act through either a learned torque network or the known PD controller, and learned residuals capture contact-related effects. Compared with a separately trained control whose mass inputs are fixed at training means, the known-PD model turns out-of-range masses into a consistent predictive gain: median time-averaged joint R2 over 150-step rollouts rises from 0.609 to 0.727, with improvement in all ten task-seed runs (exact two-sided sign test, p = 0.002). In a shared 100-step forecast, the learned-torque model is competitive with the strongest recurrent robotic world model (RWM) configuration (median joint R2 of 0.755 - 0.768 versus 0.752), whereas supplying out-of-range masses sharply degrades the MLP and recurrent predictors. These results indicate that how a physical parameter enters the dynamics mechanism determines whether its out-of-range value helps or harms prediction.