想象展开是运动学的，而非动力学的：长时程世界模型失败的诊断

Hugging Face Daily Papers 论文
world-models long-horizon kinematic-consistency reinforcement-learning diagnosis dreamerv3

摘要

本文诊断了世界模型中的长时程失败，并将其归因于运动学而非动力学想象。作者引入了一个度量（iKCE），并表明即使策略奖励崩溃，想象展开也无法捕捉动态状态变化。

世界模型中的长时程失败通常归因于复合误差，这种泛泛的框架无法区分哪种误差在复合。我们提出了一个运动学与动力学的重新框架：世界模型倾向于运动学地想象而非动力学地。我们将其操作化为想象的运动学一致性误差（iKCE），这是一种每步诊断，衡量展开偏离闭式运动学零假设的程度，并配有一个扰动协议，测试当物理条件跨越状态边界时iKCE是否响应。我们在一个发布的DreamerV3检查点上实例化了该诊断，该检查点在DMC walker-walk上训练，其中想象的iKCE大约比匹配的真实物理展开高两个数量级。在跨越步态崩溃边界的摩擦扫描中，模型的iKCE在统计上保持平坦，即使训练策略的奖励在相同范围内崩溃，从而提供了运动学而非动力学的特征。该诊断在比本体步态周期更长的时域上区分了运动学和动力学想象。
查看原文
查看缓存全文

缓存时间: 2026/07/09 15:40

论文页面 - 想象的推演是运动学的，而非动力学的：对长时域世界模型失败的诊断

Source: https://huggingface.co/papers/2607.05966

摘要

世界模型表现出的长时域失败源于运动学想象而非动力学想象，这一点通过测量想象的运动学一致性误差得到证明——该误差保持平稳，而策略奖励却在摩擦边界处崩溃。

世界模型中的长时域失败通常归因于累积误差，这是一个笼统的框架，并未区分何种误差在累积。我们提出一种运动学与动力学的重新框架：世界模型倾向于进行运动学想象而非动力学想象。我们将其操作化为想象的运动学一致性误差（iKCE），这是一种逐步骤诊断方法，用于衡量一次推演偏离闭式运动学零点的程度，并配有一个扰动协议，用于测试当物理条件跨越一个区域边界时 iKCE 是否响应。我们在一个已发布的在 DMC walker-walk 上训练的 DreamerV3 检查点上实例化了该诊断，其中想象的 iKCE 大约比匹配的真实物理推演高出两个数量级。在跨越步态崩溃边界的摩擦扫描中，模型的 iKCE 统计上保持平稳，即使训练策略的奖励在相同范围内崩溃，从而提供了运动学而非动力学的特征。该诊断可在大于具身步态周期的时域上区分运动学与动力学想象。

查看arXiv页面 (https://arxiv.org/abs/2607.05966)查看PDF (https://arxiv.org/pdf/2607.05966)GitHub1 (https://github.com/TUM-AVS/iKCE)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.05966)

引用此论文的模型0

尚无模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2607.05966 以从此页面链接。

引用此论文的数据集0

尚无数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.05966 以从此页面链接。

引用此论文的 Spaces0

尚无 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2607.05966 以从此页面链接。

包含此论文的收藏1

相似文章

理解图世界模型中的展开误差

arXiv cs.AI

本文分析了图世界模型（GWM）中的长时域展开误差，提出了一个包含动态边的统一框架，并引入了误差感知图世界模型（Error-Aware GWM），该模型利用谱正则化、展开一致性和关键节点加权来防止发散。

三思而行：通过世界模型中的比较想象进行探索与规划

arXiv cs.LG

论文提出了 SDI（Sibling Disagreement in Imagination，想象中的同源分歧）方法，通过利用 actor 自身 rollout 的变异性作为共享参考，决定何时用规划动作替代学习到的策略，从而在基于世界模型的强化学习中统一了探索与规划，并在 Meta-World、Adroit 和 DM-Control 上超越了基线方法。