高效视觉世界模型规划中的稀疏想象

arXiv 25.6 2025 57.1 method, application

TLDR

提出稀疏想象方法，减少视觉世界模型中的令牌处理，提升机器人规划效率。

评分理由

The paper addresses a clear computational bottleneck in world model planning for robotics, introducing a novel sparse attention mechanism. Strengths include practical efficiency gains and applicability to real-world tasks, but the abstract lacks detailed experimental comparisons and methodological specifics.

Read-first 评分解释

综合优先阅读分 57.1，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 46。

近期性 8%

86.7

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：2025

主题相关性 42%

65.7

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

方法质量 25%

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：实验、结果

可复现性 25%

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

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：351。

关键词评分

world model

world dynamics prediction

video world model

world simulator

model-based reinforcement learning world model

generative world model

interactive world model

深度分析

创新点

稀疏想象方法，减少世界模型规划中前向预测处理的令牌数量
针对稀疏训练的基于变换器的视觉世界模型的随机分组注意力策略，允许根据计算资源灵活调整令牌数量
应用稀疏潜在展开加速规划同时保持控制精度，实现机器人实时部署

方法

该方法采用稀疏训练的基于变换器的视觉世界模型，结合随机分组注意力策略，以减少前向预测过程中处理的令牌数量。它允许根据可用计算资源灵活调整令牌数量，并使用潜在展开进行规划，在保持任务性能的同时加速推理。

关键结果

稀疏想象在保持任务性能的同时大幅提升推理效率，该方法适用于从简单的测试时轨迹优化到结合视觉-语言-动作模型（VLA）的复杂现实任务。

资源

论文