基于自适应模块化世界模型在观测失配下的交通信号控制规划

部署学习型决策系统通常需要迁移到传感管线不同的新场景。在这种情况下，即使动作原语和目标保持可比，观测在语义和维度上也可能发生变化。在这项工作中，我们研究了在此观测失配下的可迁移基于模型的规划，这对现有的基于学习的方法仍具挑战。我们提出了自适应模块化模型 (AMM)，这是一种模块化规划架构，将特定领域的观测适配器与在通用规划状态空间中定义的共享内部动力学模型分离开来。该动力学模型从多个源域进行元学习，以实现仅需有限目标交互的快速适应。在运行时，AMM 通过在已学习的动力学下展开候选动作序列，并在预测的未来上优化特定任务目标来选择动作，从而执行滚动时域规划。我们在跨域交通信号控制上实例化了该方法，其中动作对应于信号相位，且规划目标捕捉了拥堵状况。实验表明，与现有的传统控制器和基于学习的基线相比，AMM 在性能和数据效率上均有提升。