学习多时间尺度抽象用于层次化组合规划

arXiv 2026 47.8 method

TLDR

一种基于模型的分层强化学习框架，结合多时间尺度潜在动态，用于序列随机组合优化。

评分理由

The paper introduces a novel approach combining latent-space tree-search planning with an SMDP-aware world model, addressing the challenge of variable-duration actions in hierarchical RL. Its strengths include a multi-timescale objective for efficient lookahead and a budget policy for resource allocation; however, the abstract lacks details on real-world validation, and the benchmarks may be synthetic.

Read-first 评分解释

综合优先阅读分 47.8，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 28。

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

引用影响力 18%

80.7

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。归一化引用分位：0.80683558

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：基线、基准

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：无

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

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：320。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

world simulator

generative world model

interactive world model

video world model

深度分析

创新点

用于潜在动力学的多时间尺度目标，以反映抽象动作的有效时间尺度
面向分层规划中可变持续时间决策的SMDP感知世界模型
与世界模型联合学习的子目标条件预算策略，用于上下文感知的资源分配
潜在空间树搜索规划器与分层组合规划的集成

方法

该方法引入了一个基于模型的分层框架，结合了潜在空间树搜索规划器与处理可变持续时间决策的SMDP感知世界模型。多时间尺度目标构建了潜在动力学，使得转移幅度对应于抽象动作的时间尺度，从而实现高效的前瞻。子目标条件预算策略与世界模型联合学习，以支持上下文感知的资源分配。

关键结果

所提出的方法在具有挑战性的序列随机组合优化基准测试中优于强基线。

资源

论文