弥合基于梯度的规划中世界模型的训练-测试差距

arXiv:2512.09929v2 公告类型：替换 摘要：世界模型与模型预测控制（MPC）结合后，可以利用专家轨迹的大规模数据集进行离线训练，并在推理时泛化到广泛的规划任务。与依赖缓慢搜索算法或反复精确求解优化问题的传统 MPC 流程相比，基于梯度的规划提供了一种计算效率更高的替代方案。然而，到目前为止，基于梯度的规划性能一直落后于其他方法。在本文中，我们提出了改进世界模型训练的方法，使其能够实现高效的基于梯度的规划。我们首先观察到，尽管世界模型是在下一状态预测目标上训练的，但在测试时却被用于估计一系列动作。我们的工作目标是弥合这一训练-测试差距。为此，我们提出了训练时数据合成技术，使现有世界模型能够显著提升基于梯度的规划效果。在测试时，在物体操作和导航任务中，我们的方法仅使用传统无梯度交叉熵方法（CEM）10%的时间预算，就能取得优于或相当于该方法的性能。