驾驭变化的势能：何时反应控制足以实现多目标行为

arXiv 2026 40.6 method

TLDR

基于图的世界模型与nullspace投影的反应控制实现多目标行为，在导航和平面推动任务中验证并迁移至真实机器人。

评分理由

Strengths include a novel method for resolving objective conflicts via nullspace projections, strong empirical results (100% success) and real-world transfer. Weaknesses are limited domain scope and lack of comparison to other world model approaches.

Read-first 评分解释

综合优先阅读分 40.6，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 12。

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%

80.4

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：0.80431093

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

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

主题相关性 29%

17.1

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

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：266。

关键词评分

world model

interactive world model

world simulator

world dynamics prediction

generative world model

video world model

model-based reinforcement learning world model

深度分析

创新点

论证了当使用基于图的世界模型上的零空间投影进行动态优先级编码时，反应式控制足以应对多目标任务
通过将低优先级梯度投影到高优先级梯度的零空间中来解决冲突，优先级根据当前状态连续确定
在非凸物体的平面推动任务中实现了100%的成功率，无需演示或重新训练，优于最速下降基线（0%）和扩散策略（约55%）
使用相同机制直接迁移到具有额外感知和运动学约束的真实机器人上

方法

该方法通过将零空间投影扩展到基于图的世界模型来解决目标之间的冲突。优先级根据当前状态连续确定，低优先级梯度被投影到高优先级梯度的零空间中。该方法在非凸障碍物导航和非凸物体平面推动两个领域进行了评估，并与最速下降基线和扩散策略进行了比较。

关键结果

在非凸物体的平面推动任务中，该方法在一百个配置上实现了100%的成功率，而最速下降基线为0%，扩散策略约为55%，且无需演示或重新训练。相同的公式直接迁移到具有额外约束的真实机器人上。

资源

论文