使潜在进化显式化：世界行动模型的算子结构转换

世界动作模型（WAM）通过预测与任务相关的场景状态在交互下如何演变来增强机器人策略。最近的 WAM 越来越多地在潜在表示空间中执行此类预测，避免了完整的外观级别生成，同时保留了与控制相关的信息。然而，潜在转换通常是通过基于 Transformer 的预测器来实现的，其归纳结构以词元交互而不是时间演化为中心。我们将转换实现作为一种不同于预测表示和预测策略耦合的架构选择来研究。我们引入了潜在进化算子网络（LEON），它通过基于上下文调制的算子传播和加性强迫来对学习的可观察空间中的潜在进化进行建模。基于受控的库普曼生成器进化观，LEON 围绕共享的进化算子结构组织上下文相关的转换变化，同时保留附加变化的补充路径。受控动力系统验证了所产生的特定于进化的归纳偏差以及算子传播和强迫的互补作用。在两种以不同方式将潜在预测集成到策略中的 WAM 公式中，LEON 提高了闭环性能和鲁棒性，同时在完全转换替换下保持有效。这些结果将转换实现确立为潜在 WAM 中的一个重要架构选择。