SAGE: Subgoal-Conditioned Action Generation for Latent World Model Planning
该论文介绍了 SAGE，一种先验条件的规划器，它通过使用目标条件的子目标来构建动作序列提议，从而增强了长程潜空间世界模型规划，使得在 PushT 和 OGBench Cube 等任务上的成功率较随机初始化有了显著提升。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象未来的艺术
想象一下，你正在试图教一个机器人如何穿越复杂的迷宫，或者将一个沉重的箱子推到特定位置。为了做到这一点，机器人需要一个“世界模型”。你可以把它想象成一个心理模拟器，就像运行在机器人大脑内部的一个电子游戏。机器人并不是试图预测摄像机屏幕上会出现的每一个像素点，而是学习预测当它移动时，其内部的“世界地图”会发生怎样的变化。这样，它就可以“想象”出成千上万条不同的前进路径，检查哪一条能通向目标，并选出最佳的一步。这是机器进行规划的一种强大方式，但当目标非常遥远时，它会撞上一堵墙。如果机器人试图一次性想象出 150 步之后的路径，可能性的数量会变得极其庞大，就像试图通过瞎猜来在一片沙滩上找到一颗特定的沙粒一样。机器人会迷失在噪声之中，而它的随机尝试很难命中目标。这就是研究人员正在解决的挑战：如何帮助机器人在目标很远时进行有效的规划，而不至于用过多的随机可能性让它的“大脑”过载。
SAGE：机器人的战略指南针
这篇论文介绍了一种名为 SAGE（基于子目标条件的潜空间世界模型规划动作生成）的新方法，正是为了解决这个问题。来自北京大学的作者程乐天、张琪和王毅森提出，与其要求机器人从起点到终点猜测一整条长路径，不如教它将旅程分解成更小、更易处理的块。
想象一下，你正在规划一场从纽约到洛杉矶的公路旅行。如果你只是告诉你的 GPS，“开车去洛杉矶”，而它试图一次性选出未来 3000 英里的每一个转弯，它可能会感到困惑。相反，一个聪明的导航员会说：“首先，我们要先到芝加哥，”然后是“接下来，我们要去丹佛，”依此类推。SAGE 为机器人做了同样的事情。它使用一个特殊的“子目标生成器”来预测一个可达到的中间状态——即一个“局部目标”——作为接下来的几步。例如，如果机器人需要将一个方块推到 150 步之外，SAGE 不会要求它一次性规划所有 150 步。相反，它会说：“好吧，对于接下来的 15 到 25 步，你的目标是到达这个特定的位置。”
一旦设定了这个局部目标，系统的第二个部分——“动作生成器”——就会创建一组专门为到达该局部位置而设计的可能动作。这就像是给机器人一张只显示未来几英里路程、但同时标出了合理路线的地图。机器人的“世界模型”（那个保持不变且无需重新训练的心理模拟器）随后会测试这些特定的、有引导性的想法，看看哪一个效果最好，在机器人实际移动之前优化计划。
这种方法的实验结果非常显著。在机器人需要推方块（PushT 任务）或移动立方体（OGBench Cube 任务）的实验中，当目标距离较远时，性能提升巨大。当目标在 150 步之外时，标准方法在 PushT 任务上的成功率仅为 12.7%。而使用 SAGE 后，成功率跃升至 64.7%。同样，对于 Cube 任务，成功率从 26.7% 上升到了 67.3%。
论文还仔细测试了是什么促成了这一成果。他们发现，仅仅给机器人一个局部目标（“子目标”）确实很有帮助，但将该目标与一种智能的动作生成方式（“动作生成器”）相结合，效果会更好。然而，他们也表明，机器人仍然需要其“世界模型”来充当裁判。如果他们只是让机器人跟随脑海中出现的第一个想法而不进行检查和优化，成功率会显著下降（在 150 步的任务中降至 16.0%），这证明了心理模拟对于挑选最佳路径仍然至关重要。
有趣的是，研究人员还发现，如何拆分旅程也非常重要。进行许多小步规划（例如每次 15 步）通常比进行较少但较大的块规划（例如每次 25 步）效果更好，尤其是在距离非常远的情况下。这表明，更频繁地检查并调整计划有助于让机器人保持在正轨上。
简而言之，SAGE 表明，通过教机器人关注下一个即时的检查点，而不是遥远的终点线，并通过为该检查点生成智能且有针对性的动作，我们可以帮助它们解决更难、更长的问题，而无需完全重新训练它们的大脑。这有点像意识到，要攀登一座山，你不需要看到顶峰才能迈出下一步；你只需要知道下一步该把脚落在哪里。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。