用于离线视觉控制的有向时间表示

arXiv:2610.08960v1 发布类型：新 摘要：预测式世界模型为控制提供紧凑的视觉表示。控制所需的是与时间可达性相一致的潜在几何结构，而不仅仅是预测相似性。我们提出用于控制的有向时间表示（Directed Temporal Representations for Control，DTRC），在冻结的 LeWorldModel（LeWM）特征之上，从离线视觉轨迹中学习这种几何结构。DTRC 在所学习的控制表示上构建有向时间准度量。短程时间偏移用于校准距离尺度。自举目标将时间可达性扩展至更长时域。动作条件一致性使表示与局部转移动力学相一致。由此得到的距离估计时间到达代价，其在一次转移中的变化定义了相对于目标的时间进展。我们将这一进展信号用作时间评论家，以直接学习目标条件策略。在行为支持和动力学一致性约束下，模型辅助目标在训练阶段提供额外的细化。在十项视觉控制任务中，相较于规划基线和直接策略基线，DTRC 实现了出色的目标条件控制性能。在四项 LeWM 任务上的留出诊断表明，模型具有一致的短程时间校准、依赖任务的长程和方向性结构，以及正的转移级进展。在全部四项 LeWM 任务中，时间监督都提升了相同的流策略参数化；同时，所得策略在测试时可直接执行，无需迭代式轨迹搜索。