arXiv cs.AI· Akash Anand, Abhay Anand, Yash Vishe·· 12 小时前AI 评分31
异步传感器观测下的世界模型：采样时序何时真正有用
World Models Under Asynchronous Sensor Observations
AI 导读
研究测试了 Transformer 世界模型在异步传感器观测下的表现，用零阶保持最近读数并向模型提供 staleness 与 time-to-refresh 两个特征。
正文 · AI 翻译
摘要：学习得到的世界模型通常假设观测是同步到达的，这一抽象继承自模拟器——模拟器在每个环境步都会返回完整的状态向量。而物理感知实际上以异构的速率运行，因此在任意时刻，大多数观测通道的数据都是过时的。对过时通道进行插值会引入从未被观测到的测量值，而降采样到最慢的传感器则会丢弃有效的测量值。一种自然的替代方案是对最近一次读数进行零阶保持，并通过两个特征——过时程度和距刷新时间——将已知的采样时间表提供给模型。我们在三种因果耦合程度递增的设置下，使用 Transformer 世界模型检验了这一预测：连续控制运动任务中的开环推演、以每个学习模型作为规划器动力学的闭环模型预测规划，以及一个线性锁存执行器系统——在该系统中，刷新事件会将零阶保持的命令施加到被控对象上。我们的研究结果表明，距刷新时间的有效性取决于采样时间表的因果作用，具体而言，取决于刷新事件是影响系统，还是仅仅报告系统状态。这些结果明确了在异步物理观测下运行的预测性世界模型中，采样时间表何时能提供有用的信息。
| 评论： | 已被 CoRL 2026 机器人世界模型中的不确定性建模研讨会接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.07299 [cs.AI] |
| （或使用 arXiv:2609.07299v2 [cs.AI] 获取此版本） | |
| https://doi.org/10.48550/arXiv.2609.07299 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yash Vishe [查看邮箱]
[v1]
2026年9月7日星期一 10:17:17 UTC（289 KB）
[v2]
2026年10月21日星期三 06:53:01 UTC（289 KB）
来源：arXiv cs.AI · arxiv.org