基于世界模型与在线黎曼优化的安全关键上下文控制

现代世界模型正变得过于复杂，难以获得显式的动力学描述。我们研究安全关键上下文控制，其中规划器必须仅使用来自黑盒模拟器的可行性样本，在上下文信号 $\xi_t$ 的条件下优化任务目标。我们开发了一个基于在线黎曼优化的样本化惩罚预测控制（PPC）框架，其中模拟器将可行流形压缩为基于分数的密度 $\hat{p}(u \mid \xi_t)$，该密度赋予动作空间以黎曼几何，从而引导规划器的梯度下降。势垒曲率 $\kappa(\xi_t)$，即条件对数密度 $-\ln\hat{p}(\cdot\mid\xi_t)$ 的最小曲率，控制着收敛速率和安全裕度，取代了未知动力学的 Lipschitz 常数。我们的主要结果是上下文安全界限，表明与真实可行流形的距离由分数估计误差和一个依赖于 $\kappa(\xi_t)$ 的比率控制，两者均随上下文信息的丰富而改善。在动态导航任务上的仿真证实，上下文 PPC 显著优于边缘密度模型和冻结密度模型，且在环境变化后优势不断扩大。