SPT-Flow：以自由滚动监督提高连续时间世界模型的潜变量利用

连续时间世界模型通过单个 ODE 积分生成潜变量轨迹，但添加随机条件并不能确保模型使用它。在我们的教师强制基线中，后验均值变化仅约为先验尺度的1%，并且匹配和交换的潜变量在报告的精度下产生无法区分的重建 PSNR。我们研究了一个监督捷径假设：真实的中间状态可以减少对与轨迹相关的潜变量信息的需求。我们引入了 SPT-Flow，它对每条轨迹的一个潜变量进行采样，并在多个读出时间将自由运行的 ODE rollout与演示状态相匹配。重新锚定实验支持所提出的机制。在 LIBERO 上，两个模型都经过 30k 优化器步骤的训练，SPT-Flow 在中间轨迹和最终帧处将best-of-10 PSNR 比我们重新训练的 ODEWorld 基线提高了 2.0 和 2.4 dB，并将平均 LPIPS 降低了 23%，每个样本的推理成本相当。仅rollout的对照恢复了大部分精度增益；学习到的潜变量条件化增加了多样性和 best-of-K 增益，同时相对于该对照降低了平均样本精度。诊断支持与轨迹相关的潜在利用；机器人设置中匹配条件下的语义模式覆盖仍未得到验证。