arXiv cs.AI· Gawon Seo, Dongwon Kim, Suha Kwak·· 9 天前AI 评分26
ACID：用逆动力学实现动作一致性，提升世界模型规划效率
ACID: Action Consistency via Inverse Dynamics for Planning with World Models
AI 导读
ACID 是一个决策时规划框架，通过逆动力学模型从预测的状态转移反推动作，并要求其与条件动作一致，从而引入循环动作一致性。该残差以尺度不变的自适应权重融入规划代价，在四个动作条件世界模型和八个任务（涵盖物体操作、关节控制、视觉导航与真机操作）中一致提升规划表现，并以显著更少的规划计算量达到基线精度。
正文 · AI 翻译
摘要：基于动作条件世界模型的决策时规划已成为具身控制的一种流行范式。然而，标准的规划代价仅根据候选轨迹的预测终端状态与目标的接近程度来评判，而未检查中间过渡的可实现性——一条预测轨迹可能看起来令人信服，但环境实际展开却会偏离它。在本文中，我们提出 ACID，一种决策时规划框架，引入循环动作一致性：由逆动力学模型从预测过渡反向推断出的动作，应当能够恢复当初作为条件的那个动作。我们通过尺度不变的自适应权重，将这一逐步残差纳入规划代价。在四个动作条件世界模型和八项任务（涵盖仿真中的物体操作与关节控制、视觉导航以及真实机器人操作）上，ACID 持续改进规划，并以显著更少的规划计算量达到基线的准确率。
| 评论： | 项目页面：this https URL |
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2607.02403 [cs.RO] |
| （或使用 arXiv:2607.02403v2 [cs.RO] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2607.02403 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Gawon Seo [查看邮箱]
[v1]
2026年7月2日星期四 16:38:10 UTC（25,165 KB）
[v2]
2026年10月8日星期四 10:23:17 UTC（27,425 KB）
来源：arXiv cs.AI · arxiv.org