用于规划的往返时间保持型世界模型学习

arXiv:2610.01373v1 公告类型：新 摘要：世界模型允许智能体在潜在空间中进行规划：通过选择一系列动作，最大程度地缩短与给定目标状态之间的距离。因此，如果潜在表示中的距离能够反映环境中的往返时间，规划便可从中受益。图拉普拉斯算子的谱嵌入空间能够提供这样的表示，前提是其遵循特定的依赖于特征值的缩放方式。然而，在大规模连续环境中，构建图拉普拉斯算子是难以处理的。自监督学习为大规模获得此类保持往返时间的嵌入提供了一条自然途径。然而，我们在此表明，现有方法通常通过鼓励各向同性表示来防止表示坍塌，但往往会破坏“正确的”依赖于特征值的缩放方式，从而导致对往返时间的不准确表示。为解决这一问题，我们提出 Commute-Time-Preserving World Models (CTWMs)，将潜在位移预测器与防止坍塌的对数行列式正则化器相结合。在可逆确定性动力学以及预测器的固定点处，该方法能够在理论上恢复经过正确缩放的拉普拉斯表示。在数值模拟中，在多个复杂的连续目标到达基准上，CTWM 的表现达到或超过了任务无关基线 LeWM，同时参数量仅为其一半。