arXiv cs.AI· Seong-Eun Hong, JuYeong Hwang, Jinhyun Kim, Hanyoung Jang, HyeongYeop Kang·· 11 小时前AI 评分34
世界模型引导的多智能体场景类人导航：将前瞻能力蒸馏进策略
Seeing Beyond the Next Step: World-Model-Guided Human-Like Navigation in Multi-Agent Scenes
AI 导读
研究提出把世界模型放在训练阶段而非推理阶段：用两个任务对齐的世界模型分别评估近处社交动态与未来场景语义，通过组相对偏好蒸馏把前瞻能力压缩进离散视觉动作先验策略，部署时移除世界模型、单次前向即可完成导航。在五个留出评测场景中，该方法比强反应式与学习基线更安全、更具群体一致性且更目标导向，朴素观察者认为其运动更接近人类。论文被 NeurIPS 2026 接收。
正文 · AI 翻译
摘要：在人群密集的场景中选择下一个动作，并不仅仅是避开当前挡路的东西：一个动作可能在局部可行，却会偏离到车道上而不是人行横道上，切入过街行人的流中，或使狭窄通道成为瓶颈。这些失败模式仅从当前状态是看不出来的，要应对它们需要对每个候选动作会造成什么后果进行推理。世界模型恰好提供了这一点，即动作条件下的未来预测，但在每个决策步骤都将其展开推演是部署型导航系统无法承受的开销，而该领域在很大程度上用前瞻性换取了速度。我们认为这是一种错误的二分法。在人类感知导航中，世界模型的自然位置是在训练时，作为偏好预言机将前瞻性蒸馏进一个快速策略，而不是在推理时作为在线规划器。我们将离散视觉动作先验与两个任务对齐的世界模型配对，一个用于附近的社会动态，一个用于未来的场景语义，它们根据预测后果对候选动作打分，并通过组相对偏好蒸馏来改进策略。在部署时，两个世界模型都被移除，策略在单次前向传播中行动。在五个留出评估场景中，这产生的导航比强大的反应式和习得基线同时更安全、更具社会性和群体一致性、更以目标为导向，且朴素观察者将由此产生的运动评为更像人类。综上所述，我们的发现指向一种将世界模型前瞻性引入可部署智能体的不同方法：不是加速展开推演，而是将其摊销到策略中，使前瞻的成本仅限于训练。项目页面：此 https URL
| 评论： | 已被 NeurIPS 2026 接收。37 页，13 幅图，12 张表 |
| 主题： | 图形学（cs.GR）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器人学（cs.RO） |
| 引用为： | arXiv:2611.07730 [cs.GR] |
| （或 arXiv:2611.07730v1 [cs.GR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07730 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Seong-Eun Hong [查看电子邮件]
[v1]
2026 年 11 月 5 日星期四 09:42:12 UTC（12,596 KB）
来源：arXiv cs.AI · arxiv.org