时序直线性用于潜在规划
机器学习
2026-03-13 v1
摘要
学习良好的表征是潜在规划中至关重要的。虽然预训练的视觉编码器在语义视觉特征方面表现出色，但它们并非为规划而设计，包含与规划无关甚至有害的信息。我们受人类视觉处理中感知直线性假设的启发，引入时序直线性以改进潜在规划的表征学习。通过一种曲率正则化器鼓励局部直线化潜在轨迹，我们联合学习编码器和预测器。我们展示，通过这种方式减少曲率，欧几里得距离在潜在空间中成为更好的测地距离代理，并且改善了规划目标的条件数。我们在一系列目标到达任务上进行了经验性验证，证明时序直线性使基于梯度的规划更稳定，并显著提高了成功率。
引用
@article{arxiv.2603.12231,
title = {Temporal Straightening for Latent Planning},
author = {Ying Wang and Oumayma Bounou and Gaoyue Zhou and Randall Balestriero and Tim G. J. Rudner and Yann LeCun and Mengye Ren},
journal= {arXiv preprint arXiv:2603.12231},
year = {2026}
}