Metro-WM：用可实现子目标进行长时域潜在规划

摘要

联合嵌入预测架构（JEPA）上的模型预测控制提供了强大的零样本目标到达规划器，但只在短规划时域内有效。分层扩展尝试学习宏观规划器，预测中间潜在子目标来指导微观规划器，以弥补这一缺口。本文证明，不受约束的潜在子目标预测存在根本缺陷。严格评估表明，一种领先的宏观规划器经常产生物理上无法实现的子目标。为解决这一问题，我们提出Metro-WM分层框架：从既往经验检索真实状态来发出子目标，而非生成缺少依据的潜在向量。具体而言，Metro-WM构建一个图，其顶点是离线专家示范或随机动作轨迹中的观测帧，使不同回合的帧能够连接并拼接成通往目标的路线。在完整图上规划也使系统对执行误差具有很强的鲁棒性：微观规划器一旦偏离路线，Metro-WM就从当前状态立即找到新的最优路径。实验表明，相较于表现次优的分层方法，Metro-WM的长时域成功率最高提高37.33个百分点，速度最高达到10.9倍，所需离线计算量减少13至56倍，同时需要调节的超参数更少。进一步分析显示，Metro-WM找到的路径比离线示范更短，优于依赖该次查询自身示范的理想参照方法，并在数据集极度稀疏时仍保持鲁棒性能。