ACID: ワールドモデルを用いた計画のための逆動力学による行動一貫性

要旨

決定時計画において、行動条件付き世界モデルを用いた手法は、具現化制御の一般的なパラダイムとなっている。しかし、標準的な計画コストは、予測された終端状態が目標にどれだけ近いかだけを評価し、中間遷移の実現可能性は検証されない。そのため、予測軌道がもっともらしく見えても、環境ロールアウトがそこから乖離することがあり得る。本論文では、ACIDという決定時計画フレームワークを提案する。これは、循環行動整合性（cycle action consistency）を導入したものである。すなわち、逆力学モデルによって予測遷移から逆向きに推論された行動が、元々条件付けられた行動を復元可能であることを要請する。このステップごとの残差を、スケール不変の適応的重みによって計画コストに組み込む。剛体操作、柔軟物操作、関節制御、視覚ナビゲーションにわたる4つの行動条件付き世界モデルと6つのタスクにおいて、ACIDは一貫して計画性能を向上させ、ベースラインと同等の精度を大幅に少ない計画計算量で達成した。

English

Decision-time planning with action-conditioned world models has become a popular paradigm for embodied control. However, the standard planning cost judges a candidate solely by how close its predicted terminal state lies to the goal, leaving the realizability of the intermediate transitions unchecked -- a predicted trajectory can look convincing while the environment rollout drifts away from it. In this paper, we propose ACID, a decision-time planning framework that introduces cycle action consistency: the action inferred backward from a predicted transition by an inverse dynamics model should recover the one that was conditioned on. We fold this per-step residual into the planning cost via a scale-invariant adaptive weight. Across four action-conditioned world models and six tasks spanning rigid and deformable manipulation, articulated control, and visual navigation, ACID consistently improves planning and matches the baseline's accuracy with substantially less planning compute.