课程进度 课程大纲 已发布 48/48 课
第 0 部分——阅读指南：我们究竟要学什么？
第 1 部分——世界模型：智能体内部的沙盒
第 2 部分——把图像变成状态：LeWM 架构
第 3 部分——防止模型作弊：预测损失与 SIGReg
第 4 部分——让模型行动起来：在潜在空间中规划
第 5 部分——工程复现：从论文到可运行系统
第 6 部分——LeWM 究竟学到了什么？
第 7 部分——为什么“预测准确”仍可能“规划很差”
第 8 部分——从复现者到研究者
附录
全局图景
- 缓慢的链条每个想象出的步骤都要等待上一步。
- 跨大步前缀预测或层次结构可能有用。
- 错误的终点更长的视界修不好错误的代价函数。
一个小故事：四家旅行办事处
一名信使必须穿越整个国家。办事处 A 一条接一条地画出每条道路。办事处 B 并行地询问：“前 1、2、3 或 4 条指令分别会把人带到哪里？”办事处 C 使用可复用的火车区间来规划。办事处 D 则凭空发明了一座靠近目标、却不与任何轨道相连的魔法车站。
四家都宣称自己在做“长程规划”，但它们修复的是不同问题。基线 LeWorldModel v3 以自回归方式向前滚动潜在状态：候选计划可以彼此并行，但每个计划内部的时间步仍然是串行的。后面的预测状态会把前面的预测状态当作输入，因此计算量和模型误差都可能累积。
扇形结构改变了预测接口；它不会因此生成多个随机未来，不保证校准，也没有取消动作搜索。
技术背包
| 路线 | 确切改动 | 必须随时附带的边界 |
|---|---|---|
| 基线 v3 | 在 CEM/MPC 内进行单步、自我馈入的潜在滚动预测 | 候选项并行不会消除时间依赖 |
| Fast-LeWM | 从同一个观测锚点并行预测多个前缀视界 | “多个未来”指多个时间视界，而非多模态结果；编码、采样、评分和模型误差仍然存在 |
| VLWM，Beyond the Next Step | 用分块调度进行可变长度的直接预测 | 它不是 Fast-LeWM；所报告的平均 13% 使用训练种子 3072，并对每个 (dataset, Δ) 在事后选取最佳 P1/P2/P3 |
| 2024 年层次 RSSM 研究 | 学习更粗时间层级和抽象动作 | “HWM”是本课程的简称，不是论文中的方法名，也不是 LeWM 变体 |
| Hi-LeWM | 高层 CEM 在一个冻结的低层 LeWM 之上提议潜在子目标 | 不受限制的宏动作和子目标可能离开训练支持；层次化不会自动变得更好 |
一个有用的层次结构需要：可复用的动作块；一个误差增长速度慢于所节省低层工作量的高层模型；低层控制器真正可达的子目标；以及两层都足够的搜索预算。经验宏动作搜索能使提案更靠近已观测的锚点，但接近数据并不是可达性或安全性证书。
在增加任何时间视界之前，先测试终端度量。独立 TwoRoom 后续研究报告称，对其审计的检查点和协议而言，仅更换代价函数就大幅改善了远距离目标的结果。这标识了该设置中的规划器接口瓶颈；它不能证明所有长视界失败都是代价函数导致的。
尝试推翻这个想法
给一名完美的低层司机安排一座不可能的高层车站：它在潜在欧氏距离上看似接近目标，却落在已编码宏动作的集合之外，而且与目标之间隔着一面墙。提高高层视界和 CEM 种群数。如果规划器反而更自信地选中了这座不可能的车站，那么更多搜索只是放大了支持不匹配。
现在比较四个锁定条件：基线滚动预测、前缀预测、使用自由潜在子目标的层次结构，以及受经验宏动作约束的层次结构。使用完全相同的数据、编码器、低层模型、动作预算、候选项统计口径、目标和随机种子。记录实际时延、模型调用次数、滚动误差、支持距离、子目标可行性和闭环成功率。没有匹配硬件和预算的加速比不可移植；没有可行子目标的成功率提升，也不能作为层次结构的证据。
实验凭据与证据边界
- 基线：LeWorldModel v3，固定代码
8edfeb3，修订于 2026-06-03。 - 后续方法：Fast-LeWM v1，代码
492752d，发布于 2026-06-24；VLWM v1，发布于 2026-06-19，未找到作者关联代码；Hi-LeWM v2，代码4bb21a2及 Zenodo 制品，修订于 2026-07-15。 - 相邻工作与审计：2024 年层次 RSSM 研究；TwoRoom 复现；Objective Is the Bottleneck；tinylab
efa9e5d。 - 证据截止时间：2026-08-20，Asia/Tokyo。后续性能和效率声明均为作者自报；独立复现只对明确声明的 TwoRoom 重新实现及协议成立。每项加速声明都必须附带硬件、视界、候选预算和基线实现。
三个快问快答
- 即使候选项已经向量化，基线滚动预测中哪一部分仍是串行的？
- 为什么一个在潜在空间中看似可达的子目标，对低层控制器而言可能无法使用？
- 在为更长时间视界付出成本之前，应该先诊断什么？