Does LeWorldModel Preserve Local Action Geometry?

📄 arXiv: 2610.31716v1 📥 PDF

作者: Vasil Vasilev, Siddharth Nayak

分类: cs.LG, cs.RO

发布日期: 2026-10-22

备注: 13 pages, 3 figures. Accepted as a poster at the NeurIPS 2026 Workshop on Symmetry and Geometry in Neural Representations (NeurReps), Extended Abstract Track

💡 一句话要点

评估LeWorldModel在局部动作几何保留上的表现

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

关键词: 动作敏感性 LeWorldModel Gram矩阵 控制评估 机器人控制 动态环境

📋 核心要点

  1. 现有方法在小幅动作变化下的敏感性评估存在不足，无法准确反映模型的控制能力。
  2. 论文通过使用Gram矩阵在不同扰动尺度上评估LeWM的动作敏感性，提出了一种新的评估框架。
  3. 实验结果表明，增加扰动尺度显著降低了模型的Gram差异，验证了尺度特定评估的重要性。

📝 摘要（中文）

本文研究了预训练的LeWorldModel（LeWM）在小幅动作变化下的效果再现能力。通过匹配模拟器和模型响应，使用Gram矩阵在三个扰动尺度上测量动作敏感性。结果显示，在Reacher和OGBench Cube的近千个状态中，最敏感的动作方向在最小尺度下的中位角度差约为36°和42°。随着扰动增加十倍，Reacher和Cube的中位归一化Gram差异分别减少约70%和47%。在持出方向上，环境Gram的中位嵌入响应误差为17%和28%，而同样迹线的各向同性参考则为26%和38%。这些发现支持对动作敏感性的尺度特定评估，但其对控制的影响仍然是一个未解的问题。

🔬 方法详解

问题定义：本文旨在解决LeWorldModel在小幅动作变化下的敏感性评估问题。现有方法未能有效捕捉到动作变化对模型输出的影响，导致控制能力评估不准确。

核心思路：论文提出通过Gram矩阵在不同扰动尺度上评估动作敏感性，旨在揭示模型在局部动作几何上的表现。这样的设计能够更细致地分析模型对动作变化的反应。

技术框架：研究采用匹配模拟器和模型响应的方式，使用Gram矩阵进行敏感性测量。实验分为三个扰动尺度，分别在Reacher和OGBench Cube环境中进行。

关键创新：最重要的创新在于提出了尺度特定的动作敏感性评估方法，能够更准确地反映模型在不同扰动下的表现，与现有方法相比具有更高的灵活性和准确性。

关键设计：在实验中，选择了多个状态进行评估，设置了不同的扰动尺度，并通过计算Gram矩阵来量化动作敏感性。模型的响应误差通过与各向同性参考进行对比来评估。

📊 实验亮点

实验结果显示，随着扰动尺度的增加，Reacher和Cube环境中的中位归一化Gram差异分别减少约70%和47%。在持出方向上，环境Gram的中位嵌入响应误差为17%和28%，相比之下，各向同性参考的误差更高，验证了论文提出方法的有效性。

🎯 应用场景

该研究的潜在应用领域包括机器人控制、自动驾驶和智能代理等。通过更准确地评估模型的动作敏感性，可以提升这些系统在动态环境中的适应能力和控制精度，具有重要的实际价值和未来影响。

📄 摘要（原文）

We examine how closely pretrained LeWorldModel (LeWM) reproduces the effects of small action changes. Using matched simulator and model responses, we measure action sensitivity with Gram matrices at three perturbation scales. Across nearly a thousand states from Reacher and OGBench Cube, the most sensitive action directions differ by median angles of about $36^\circ$ and $42^\circ$, respectively, at the smallest scale. Increasing the perturbation tenfold reduces median normalized Gram discrepancy by roughly 70\% on Reacher and 47\% on Cube. Geometry measured in pixels and embeddings varies more across scales than the chosen physical-state geometry. On held-out directions, environment Grams achieve median embedding response errors of 17\% and 28\%, compared with 26\% and 38\% for an isotropic reference with the same trace. LeWM's errors are higher at this scale. These findings support scale-specific evaluation of action sensitivity; its effect on control remains an open question.