ATLAS:对齐潜在结构传输,实现可靠的世界模型规划
摘要
ATLAS 是一种针对潜在世界模型的训练目标,它通过 Wasserstein-2 传输(WEMReg)校准规划潜在变量的边缘分布,同时将编码器表征中的关系几何结构保留到规划潜在空间中。该方法在 LeWM 中实现后,在 PushT、TwoRoom 和 OGBench-Cube 基准上提升了目标达成的成功率,尤其在更高新颖性的回合中表现更为突出。
查看缓存全文
缓存时间: 2026/10/01 12:24
论文页面 - ATLAS:用于可靠世界模型规划的潜在结构对齐传输
来源:https://huggingface.co/papers/2609.36333
摘要
隐空间世界模型(latent world models)依赖表示几何来进行规划,然而仅仅正则化隐变量的边际分布并不能确定用于动作选择的“状态到状态“关系。我们证明,当表示被转换为规划器使用的最终隐变量时,这可能导致与规划相关的新颖性结构被削弱。我们提出了潜在结构对齐传输(Aligned Transport of Latent Structure,ATLAS)——一种训练目标,它在校准全局隐变量分布的同时显式地保留关系几何结构。ATLAS 将归一化的成对结构从信息量丰富的编码器表示迁移到规划隐变量,并使用 Wasserstein 嵌入匹配(WEMReg),通过一维 Wasserstein-2 传输来校准其边际分布。我们的分析表明,关系保留与边际校准施加了非冗余的约束,并将有限候选规划的稳定性与关系失真、隐变量尺度失配以及预测误差联系起来。在 LeWM 中实现后,ATLAS 在 PushT、TwoRoom 和 OGBench-Cube 上,无论是在低新颖性还是高新颖性的评估子集上,都提升了平均目标达成成功率,其中增益最大的是在高新颖性的 TwoRoom 场景中。表示与展开(rollout)诊断进一步显示,规划隐变量中与新颖性相关的结构更强、边际校准更好、多步预测误差更低。这些结果共同凸显出:保留与规划相关的隐空间几何,是实现可靠世界模型规划的重要要素。代码可在 https://anonymous.4open.science/r/atlas-world-model-72C4/ 获取。
查看 arXiv 页面(https://arxiv.org/abs/2609.36333)查看 PDF(https://arxiv.org/pdf/2609.36333)GitHub1(https://github.com/Annie969/atlas-world-model)添加到合集(https://huggingface.co/login?next=%2Fpapers%2F2609.36333)
引用本文的模型 0
没有模型链接到本文
在模型 README.md 中引用 arxiv.og/abs/2609.36333,即可从此页面链接到该模型。
引用本文的数据集 0
没有数据集链接到本文
在数据集 README.md 中引用 arxiv.org/abs/2609.36333,即可从此页面链接到该数据集。
引用本文的 Spaces 0
没有 Space 链接到本文
在 Space README.md 中引用 arxiv.org/abs/2609.36333,即可从此页面链接到该 Space。
包含本文的合集 0
没有合集包含本文
将本文添加到合集(https://huggingface.co/new-collection),即可从此页面链接到它。
相似文章
面向潜空间规划的潜表征投影方法
本文提出了一种用于潜空间世界模型规划的后验潜表征投影方法:通过拟合状态动力学矩阵来剪除噪声潜方向,并将ℓ2规划代价限制在不确定性最低的子空间中,在TwoRoom和PointMaze等二维导航任务上取得了最高达+54.7个百分点的成功率提升。
Atlas:用于空间智能的世界模型
World Labs 推出 Atlas,一个能够生成、重建和模拟三维环境的多模态世界模型,并支持相机控制和空间一致性。
ATLAS:具有抽象后继的自适应拓扑学习用于持续学习
本文介绍了ATLAS,一种基于模型的持续强化学习算法,该算法结合了Grow When Required网络与后继特征,以实现高样本效率和鲁棒的非平稳环境适应,并在空间导航任务中展示了正向后向迁移。
作为意图的潜在动作为世界动作模型提供高效未来想象
LAWA是一个世界动作模型,使用潜在动作来实现机器人控制的高效未来想象,在降低推理延迟的同时达到最先进的性能。它无需生成未来观测即可在泛化能力和效率上优于基线。
基于潜世界模型的强化规划
本文介绍了强化规划,一种利用潜世界模型学习改进多步骤规划的方法,在视觉导航和机器人操作等任务中取得了近乎完美的成功率,并且效率显著高于手工设计的算法。