CTWM 世界模型以半参数保通勤时间，规划性能持平强基线
Michael Hauri、Peter Buttaroni、Friedemann Zenke 等人在 arXiv 发表论文《Learning Commute-Time-Preserving World Models for Planning》（编号 2610.01373），提出通勤时间世界模型 CTWM，核心目标是让世界模型潜空间中的距离对规划真正有意义。
已确认
- 在六个像素级目标达成任务（涵盖导航与操作）上，CTWM 与强任务无关基线 LeWM 成绩持平或更好，参数量只有一半（9M 对 18M）；在 PointMaze 上其潜空间表现被强调更贴近迷宫真实结构。
- 理论基础：若潜空间与环境图拉普拉斯算子的特征向量对齐且缩放正确，潜空间中的直线距离就等于通勤时间距离，即随机游走者到达目标并返回所需的时间。该指标能捕捉瓶颈与捷径，比一般「潜空间距离」更适合规划。
- 关键问题是大多数自监督学习会把表征推向均匀分布，恰好破坏通勤时间缩放所需的性质。作者将残差预测与 log-determinant 正则结合，并证明这样可以恢复正确缩放的表征。
为什么重要
- 结果表明潜空间距离只要选对度量（对齐图拉普拉斯并正确缩放），就能获得有几何与图论意义的规划信号，为世界模型的潜空间规划提供了更坚实的理论基础。
- 修复自监督表征缩放问题的 log-det 正则方案，对其他依赖潜空间距离的方法也可能有借鉴价值；同时参数减半对部署更友好。
2026-10-05 ~ 2026-10-05 · 6 条相关
一手来源
- CTWM 用一半参数持平强基线：六个像素级任务导航操作全测 — hisspikeness ·
- CTWM 论文:让世界模型隐空间距离对规划真正有意义 — hisspikeness ·
- 新论文提出保通勤时间世界模型 CTWM，参数减半仍胜基线 — hisspikeness ·
- 【源头】CTWM 论文:让世界模型隐空间距离对规划真正有意义 — hisspikeness · 2026-10-05
- 图论视角的潜空间规划：对齐图拉普拉斯即得通勤时间距离 — hisspikeness · 2026-10-05
- 多数自监督学习破坏所需表征缩放，论文用 log-det 正则修复 — hisspikeness · 2026-10-05
- 【源头】CTWM 用一半参数持平强基线：六个像素级任务导航操作全测 — hisspikeness · 2026-10-05
- CTWM 潜空间规划：参数减半，通勤时间距离更贴近迷宫真实结构 — hisspikeness · 2026-10-05
另有 1 条近重复转述:hisspikeness