arXiv cs.AI· Xiangteng Zhang, Haoyuan Liu, Yang Guan, Jingliang Duan, Yao Lyu, Tao Zhang, Shuai Zhang, Kehua Sheng, Bo Zhang, Shengbo Eben Li·· 11 小时前AI 评分34
World Action Critic（WAC）模型：联合预测与评判的策略学习
World Action Critic (WAC) Model: Joint Foresight and Criticism for Policy Learning
AI 导读
研究者提出 World Action Critic（WAC）模型，通过联合学习候选动作条件下的未来预测与后果评估，让评判信号直接塑造预测表示。该方法在自动驾驶任务上于 NAVSIM-v1 取得 93.4 PDMS。理论分析给出了评判引导的特征保留性质与候选选择遗憾界。
正文 · AI 翻译
摘要：世界模型通过预测动作的后果并为策略学习提供前瞻性预见，在序列决策中展现出相当大的潜力。然而，学习对反事实动作进行推理仍然具有挑战性，因为预测目标可能低估了对动作评估至关重要的信息，而未执行的动作缺乏可观测的未来以供直接监督。为应对这些挑战，我们提出了世界动作评论家（WAC）模型，该模型提出多模态动作候选，并联合学习以候选为条件的未来预测与后果评估。在我们提出的框架中，评论家监督在 rollout 过程中直接塑造中间预测表示，鼓励其保留区分动作质量所需的信息。可观测的未来监督已执行动作的预测，而外部任务质量目标则为反事实候选提供评估信号。通过联合优化，来自这些候选的评论家信号传播到预测表示中，而无需其可观测的未来。我们的理论分析刻画了评论家引导的特征保留，并给出了候选选择遗憾的界。应用于自动驾驶时，WAC 在 NAVSIM-v1 上达到 93.4 PDMS，证明了联合学习预测性预见与后果评估的有效性。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.22825 [cs.AI] |
| （或 arXiv:2610.22825v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22825 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xiangteng Zhang [查看邮箱]
[v1]
2026年10月16日星期五 02:05:03 UTC（7,082 KB）
来源：arXiv cs.AI · arxiv.org