物理参数偏移下的因果世界模型
研究在合成基准与 CausalWorld 机器人连杆质量外推任务上检验因果世界模型的输入选择与机制计算方式。合成基准中，由配对干预导出的冻结依赖掩码把分布外平均 RMSE 从全连接预测器的 1.769 降至 0.697，接近生成器理想掩码的 0.694。CausalWorld 中训练与测试质量范围不相交，已知 PD 控制器模型使 150 步 rollout 的中位时间平均关节 R2 从 0.609 升至 0.727，十个任务种子全部改善（双侧符号检验 p=0.002）；学习力矩模型在 100 步预测中中位关节 R2 为 0.755-0.768，与最强 RWM 配置的 0.752 相当。
发布于 10-22 13:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Causal world models under physical parameter shifts》查看原链
世界模型预测具身系统在动作下如何演化，但当物理条件超出训练分布时，其准确性会下降。 我们研究因果建模的两个组成部分：预测器可以使用哪些输入，以及其机制如何计算这些输入的影响。 在带有捷径特征的合成基准中，由配对干预导出的冻结依赖掩码将分布外（OOD）平均 RMSE 从全连接预测器的 1.769 降至 0.697，接近生成器理想掩码的 0.694。
针对 CausalWorld 中机器人连杆质量的推断，在训练与测试质量范围不相交的情况下，我们开发了手指局部世界模型：连杆质量通过显式仿射系数进入惯性与动力学偏置项，动作通过学习到的力矩网络或已知的 PD 控制器起作用，学习到的残差捕捉接触相关效应。
与将质量输入固定为训练均值的单独训练对照相比，已知 PD 模型将超出范围的质量转化为一致的预测增益：150 步 rollout 的中位时间平均关节 R2 从 0.609 升至 0.727，全部十个任务种子运行均有改善（精确双侧符号检验，p = 0.002）。
在共享的 100 步预测中，学习力矩模型与最强的循环机器人世界模型（RWM）配置相当（中位关节 R2 为 0.755-0.768 对 0.752），而提供超出范围的质量会显著降低 MLP 和循环预测器的性能。 这些结果表明，物理参数如何进入动力学机制决定了其超出范围的值是有助于还是损害预测。