面向闭环视觉控制系统验证的确定性世界模型
计算机视觉与模式识别
2026-04-03 v2 机器学习
摘要
验证闭环视觉控制系统仍是根本性挑战，由于图像的高维度和难以建模视觉环境的瓶颈。虽然生成模型日益被用作验证中的摄像机替代品，但其依赖于随机潜在变量引入了不必要的过近似误差。为此，本文提出确定性世界模型 (DWM)，其直接将系统状态映射到生成图像，有效消除不可解释的潜在变量以确保精确的输入界限。DWM 采用融合像素级重构精度与控制差异损失的双目标损失函数，以保持与真实系统的行为一致性。我们将 DWM 集成到利用基于星形可达性分析 (StarV) 的验证管道中，并采用共轭预测方法推导系统轨迹偏差的严格统计界限。标准基准实验表明，我们的方法相较于潜在变量基线显著获得更紧凑的可达集和更好的验证性能。
引用
@article{arxiv.2512.08991,
title = {Deterministic World Models for Verification of Closed-loop Vision-based Systems},
author = {Yuang Geng and Zhuoyang Zhou and Zhongzheng Zhang and Siyuan Pan and Hoang-Dung Tran and Ivan Ruchkin},
journal= {arXiv preprint arXiv:2512.08991},
year = {2026}
}
备注
Significantly revised version with additional experiments and updated results. Submitted to EMSOFT 2026