论文用检索真实状态替代生成潜在子目标，提升长程规划成功率。
资讯摘要
论文指出，无约束的潜在子目标预测存在根本缺陷：主流分层宏规划器常给出物理上无法实现的子目标。作者提出 Metro-WM，改为从离线专家演示或随机动作轨迹中检索真实观测帧作为子目标，并构建可跨回合连接、拼接成通往目标路径的图；微规划器偏离时，可从当前状态重新寻路。作者报告其在同一世界模型上长程成功率最高超出最强分层基线 37.33 个百分点，速度快至 10.9 倍，离线算力少 13–56 倍。
要点速读
- 论文认为无约束潜在子目标预测存在根本缺陷，主流分层宏规划器常输出物理不可实现的子目标。
- Metro-WM 以观测帧为图顶点，从离线专家演示或随机动作轨迹中检索真实状态作为子目标，并支持跨回合拼接路径。
- 作者报告长程成功率最高提升 37.33 个百分点、速度最高 10.9 倍，离线算力减少 13–56 倍，且在极稀疏数据下保持稳健。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。