设计世界行动模型的重要因素：实证研究

世界行动模型（WAM）已成为通用机器人控制的一个有前途的范例。尽管 WAM 系统的数量不断增加，但现有的工作经常引入统一的系统，将多种设计选择（例如架构和训练策略）捆绑在一起，这使得很难隔离个人贡献并系统地比较替代设计。在这项工作中，我们提出了一项对照研究，理清了这些设计选择，不仅分析了它们的经验效应，还分析了它们如何以及为何塑造 WAM。更具体地说，我们关注构建 WAM 的三个基本问题：（1）什么样的因果结构应该控制世界建模和动作生成之间的相互作用？ (2)世界建模应该在哪个潜在空间中进行？ (3) 不同的世界动作建模目标如何影响模型行为和性能？通过对三个代表性基准（RoboCasa-GR1、LIBERO 和 LIBERO-Plus）进行结构控制实验，我们系统地比较了六种因果结构、八种潜在表示和四种训练目标，涵盖了现有 WAM 中的流行设计选择。我们进一步验证了 DROID 数据集中真实机器人数据的主要发现。我们希望系统地了解核心设计选择如何影响世界动作建模以及哪些原则可以指导未来 WAM 系统的开发。