ATLAS：用于可靠世界模型规划的潜在结构对齐传输

arXiv 2026 36.7 method

TLDR

ATLAS保留潜在世界模型的关系几何，提升规划可靠性，在PushT、TwoRoom和OGBench-Cube上提高目标到达成功率。

评分理由

The paper clearly motivates and validates a novel training objective for latent world models, with strong empirical evaluation across multiple benchmarks. Weaknesses are that the abstract lacks details on baselines, computational cost, and limitations, and the contribution is somewhat narrow relative to broader world-model framing.

Read-first 评分解释

综合优先阅读分 36.7，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 41。

近期性 5%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 15%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：分析、评估、结果

主题相关性 25%

58.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 15%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 10%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：362。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

world simulator

interactive world model

generative world model

video world model

深度分析

创新点

指出仅对潜在边际分布进行正则化并不能确定状态间关系，从而可能使与规划相关的新颖性结构在规划器的最终潜在表征中被削弱。
提出 ATLAS，一种在校准全局潜在分布的同时保留关系几何的训练目标。
将来自信息丰富编码器表征的归一化成对结构传输到规划潜在表征。
使用 Wasserstein 嵌入匹配（WEMReg）通过一维 Wasserstein-2 传输校准规划潜在表征的边际分布。
提供分析表明关系保留与边际校准是非冗余约束，并将有限候选规划稳定性与关系扭曲、潜在尺度不匹配和预测误差联系起来。

方法

ATLAS 在 LeWM 中实例化，结合了从编码器表征保留归一化成对关系结构，以及用于边际校准的 Wasserstein 嵌入匹配。评估使用 PushT、TwoRoom 和 OGBench-Cube 在低新颖性与高新颖性子集上的目标到达成功率，并辅以表征与 rollout 诊断，以检验新颖性结构、边际校准和多步预测误差。

关键结果

ATLAS 在 PushT、TwoRoom 和 OGBench-Cube 的低新颖性与高新颖性评估子集上均提高了平均目标到达成功率，其中在高新颖性 TwoRoom 片段上提升最大；诊断结果显示与新颖性相关的结构更强、边际校准更好、多步预测误差更低。

技术栈

ATLASLeWMWasserstein embedding matching (WEMReg)PushTTwoRoomOGBench-Cube

资源

论文