基于世界模型的仅动作扩散策略的时序逻辑引导

arXiv 2026 54.1 method

TLDR

利用世界模型和STL鲁棒性梯度引导仅动作扩散策略，将约束违反率从80%降至4%。

评分理由

The paper presents a novel integration of world models with STL-guided diffusion, achieving strong empirical results on a single benchmark task. However, the evaluation is limited to one task and the method's scalability to complex constraints is only discussed, not demonstrated.

Read-first 评分解释

综合优先阅读分 54.1，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 33。

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%

94.8

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：0.94825964

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、评估

主题相关性 29%

47.1

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

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方法锚点

排序敏感性

稳定性：volatile；排名波动范围：402。

关键词评分

world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

generative world model

interactive world model

video world model

深度分析

创新点

使用独立学习的世界模型实现STL鲁棒性可微评估的仅动作扩散策略引导方法
将STL鲁棒性梯度注入扩散过程，无需重新训练即可引导行为满足约束
在显著减少约束违反的同时保持任务性能，优于基线方法

方法

该方法使用仅动作扩散策略和独立学习的世界模型来计算可微的信号时序逻辑（STL）鲁棒性。在推理过程中，将STL鲁棒性关于动作序列的梯度注入扩散过程，从而无需重新训练即可引导行为满足约束。在Robomimic的Can Transport任务上进行评估，测量任务成功率和约束违反率。

关键结果

在Can Transport任务上，该方法保持100%的任务成功率，同时将约束违反率从基线方法的超过80%降低到4%。

局限性

需要独立学习的世界模型，可能引入额外复杂性和潜在不准确性
目前仅在Robomimic的单个任务（Can Transport）上测试
讨论了改进鲁棒性和处理更复杂约束的扩展方向，表明当前在这些方面存在局限性

技术栈

Diffusion PolicyWorld ModelSignal Temporal Logic (STL)Robomimic

资源

论文