Benchmarking Generative Trajectory Models for Active-Inference Control

📄 arXiv: 2610.05692v1 📥 PDF

作者: Yulin Li, Mohsen A. Jafari, Andrea Matta

分类: cs.RO

发布日期: 2026-10-05

备注: Accepted at the 7th International Workshop on Active Inference (IWAI 2026). 16 pages, including appendix and references; 4 figures. Code: https://github.com/lyeeonardo/generative-trajectory-benchmark

💡 一句话要点

提出生成主动推理控制模型以解决复杂系统控制问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 生成模型 主动推理 控制系统 轨迹学习 机器人技术 动态适应 MuJoCo

📋 核心要点

  1. 现有方法在复杂系统的动态建模上存在困难，导致主动推理控制效果不佳。
  2. 提出生成主动推理控制（GenAIF），通过生成轨迹模型学习示范和动作干预，提供策略分布和观测映射。
  3. 实验结果表明，扩散模型在多种动态下表现最佳，而CVAEs在短期预测中速度更快，且轨迹重用带来计算节省。

📝 摘要（中文）

学习轨迹示范为复杂系统的主动推理控制提供了一条途径，这些系统的动态难以明确建模。本文介绍了生成主动推理控制（GenAIF），其中一个生成轨迹模型通过示范和测量的动作干预学习，以提供目标条件的策略分布和状态到观测的似然映射。我们基于此控制设计提出了三个模型要求：有用的动作提议、在施加动作下的准确预测，以及用于信念更新和期望信息增益的概率观测证据。我们在MuJoCo操作任务中对扩散模型、自回归变换器、条件变分自编码器（CVAEs）和流匹配进行了基准测试，结果显示扩散模型在测试的动态中表现最佳，而CVAEs则在短期预测中表现相当且推理速度更快。正确的条件设置至关重要，轨迹重用提供了进一步的计算节省。相同的冻结模型在隐藏动态实验中展示了在未公告的倾斜变化后信念的快速适应，随后的不稳定性则表明持续推理仍然是一个挑战。这些发现支持使用共享生成轨迹模型将动作提议、控制预测和观测证据连接起来。

🔬 方法详解

问题定义：本文旨在解决复杂系统的主动推理控制问题，现有方法在动态建模上存在不足，导致控制效果不理想。

核心思路：提出生成主动推理控制（GenAIF），通过一个生成轨迹模型从示范和动作干预中学习，提供目标条件的策略分布和状态到观测的映射。这样的设计使得控制策略能够更好地适应复杂动态。

技术框架：整体架构包括生成轨迹模型、动作提议模块、预测模块和观测证据模块。生成模型负责从示范中学习，动作提议模块生成有用的动作，预测模块在施加动作下进行状态预测，观测证据模块提供信念更新所需的概率信息。

关键创新：最重要的创新在于通过共享生成轨迹模型将动作提议、控制预测和观测证据有效连接，提升了控制的准确性和效率。与现有方法相比，GenAIF在动态适应性和信息增益方面表现更优。

关键设计：在模型设计中，采用了扩散模型、自回归变换器、条件变分自编码器（CVAEs）等多种生成模型，并通过实验验证了不同模型在动作提议和预测准确性上的表现。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

实验结果显示，扩散模型在多种动态下提供了最佳控制效果，而条件变分自编码器（CVAEs）在短期预测中表现出色，推理速度显著提高。通过轨迹重用，计算效率得到了进一步提升，展示了模型在实际应用中的潜力。

🎯 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、智能制造等复杂系统的实时控制。通过改进的生成主动推理控制方法，可以实现更高效的动态适应和决策支持，提升系统的智能化水平和操作安全性。

📄 摘要（原文）

Learning from trajectory demonstrations offers a route to active-inference control of complex systems whose dynamics are difficult to model explicitly. We introduce generative active-inference control (GenAIF), in which one generative trajectory model learns from demonstrations and measured action interventions to supply a goal-conditioned policy distribution and a state-to-observation likelihood mapping. From this control design, we derive three model requirements: (i) useful action proposals, (ii) accurate prediction under imposed actions, and (iii) probabilistic observation evidence for belief updating and expected information gain. We benchmark diffusion, autoregressive Transformers, conditional variational autoencoders (CVAEs), and flow matching in a MuJoCo manipulation task with multiple physical conditions. Diffusion delivers the strongest control across the tested dynamics, while CVAE combines comparable short-horizon prediction with much faster inference. Correct conditioning is decisive, and trajectory reuse offers further computational savings. With the same frozen models, a hidden-dynamics experiment demonstrates prompt belief adaptation after an unannounced tilt change; subsequent instability identifies sustained inference as a remaining challenge. These findings support the use of shared generative trajectory models to connect action proposal, controlled prediction, and observation evidence within GenAIF.