INTACT：面向无搜索世界模型的同构意图到动作学习

arXiv 2026 37.9 method

TLDR

INTACT学习端到端同构意图到动作映射，实现无搜索世界模型，在LeWM任务上取得高成功率。

评分理由

Strengths include a novel isomorphic architecture that eliminates test-time search and strong empirical results on LeWM benchmarks. Weaknesses are the lack of real-world application and limited discussion of limitations.

Read-first 评分解释

综合优先阅读分 37.9，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。

近期性 6%

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 18%

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：指标、结果

主题相关性 29%

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 18%

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

引用影响力 18%

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 12%

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

排序敏感性

稳定性：volatile；排名波动范围：179。

关键词评分

world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

generative world model

world simulator

video world model

深度分析

创新点

无搜索意图到动作接口：INTACT直接映射意图到动作，无需测试时搜索，使用分布性动作律的条件均值作为策略。
同构架构：通过四槽语法和共享参数，使局部和目标运动意图处理在结构上完全相同，并通过同一预测器诱导动作律语义。
非对称端点梯度：将物理后继作为基础，锚定未来目标，无需逐点潜在匹配或全局线性动力学即可统一表示学习与控制。
完整无损转移：从RGB证据到动作有效潜在意图坐标，以及从意图族到对应动作律族的完整转移。
单轮零搜索训练在LeWM任务上取得高成功率，可选局部CEM大幅减少候选采样同时优于纯CEM。

方法

INTACT是一种端到端JEPA，从带有动作标签、无奖励的轨迹中学习。它使用具有共享参数的四槽语法同构地处理局部和目标运动意图，并通过非对称端点梯度将物理后继作为基础、将未来目标固定为锚点。模型产生分布性动作律，条件均值直接用作无搜索策略，同时保留采样以实现多样性或验证。

关键结果

在四个官方LeWM任务上，单轮零搜索INTACT模型分别达到85.78%、100.00%、97.67%和97.89%的成功率。基于Direct计划的可选局部CEM使用384个候选序列（较9,000个减少23.44倍）达到96.86%的宏平均成功率，比纯CEM提升16.00个百分点。共享四任务编码器达到89.39%的E5 Direct宏平均，且预测-专家动作族kNN与Direct成功率的相关系数为r=0.954。Direct推理时间为2.9–5.5毫秒。

技术栈

JEPAkNNCEM

资源

论文