瞄准近处，抵达远方：你的冻结世界模型比想象中更会规划
TLDR
视觉世界模型规划中以最终目标评分是次优的；瞄准中间观测目标可改善冻结LeWM模型的控制。
评分理由
The paper clearly identifies a limitation of final-goal scoring and introduces Anchored Planning, showing consistent improvements across multiple benchmark tasks. Strengths include a simple, well-motivated method and empirical evaluation, but limitations include reliance on recorded segments and no evidence from physical real-world systems.
Read-first 评分解释
综合优先阅读分 33.1，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 35。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：253。
关键词评分
深度分析
创新点
- 证明即使动力学精确且短视搜索全局最优，以与最终编码目标的距离为预测结果评分也可能限制控制，因为达成目标可能需要先远离目标的动作。
- 展示了在Cube、PushT、Reacher和TwoRoom上，中间目标显著提升冻结LeWM模型的动作合成和记录动作排序。
- 提出Anchored Planning，检索起点和终点分别类似当前与目标观测的记录片段，然后瞄准片段起点之后的某个观测，使用冻结模型评分动作。
- 发现在长程评估的所有任务上，无需额外训练地朝观测目标规划优于发布的LeWM规划器，而额外的最终目标搜索则相形见绌。
- 指出更低的后续状态预测误差不一定改善控制；目标前置距离和随执行缩小的检索跨度对成功很重要。
方法
本文使用冻结LeWM模型在Cube、PushT、Reacher和TwoRoom上研究视觉世界模型规划器。比较最终目标评分与朝中间目标（包括学习目标与从观测经验中提取的目标）规划。所提出的Anchored Planning检索匹配当前与目标观测的记录片段，瞄准片段起点后的观测，从当前状态朝该目标评分动作，并随执行推进缩小检索跨度。
关键结果
中间目标在Cube、PushT、Reacher和TwoRoom上显著提升动作合成和记录动作排序，学习目标与观测目标均有增益。在长程评估中，使用观测目标的Anchored Planning无需额外训练即可在每个任务上优于发布的LeWM规划器，而额外最终目标搜索无法达到同样增益。
局限性
- 额外的最终目标搜索达不到同样的增益。
- 更低的后续状态预测误差不一定转化为更好的控制。
- 成功取决于目标前置的距离以及执行过程中检索跨度的缩小。