Воображаемые прогоны являются кинематическими, а не динамическими: диагностика провала модели мира при долгосрочном прогнозировании

Аннотация

Долгосрочный сбой в моделях мира традиционно объясняется накоплением ошибки — общей рамкой, не различающей, какой именно тип ошибки накапливается. Мы предлагаем кинематическую/динамическую переформулировку: модели мира склонны воображать кинематически, а не динамически. Мы операционализируем это как воображаемую ошибку кинематической согласованности (iKCE) — пошаговый диагностический показатель, измеряющий, насколько развёртка отклоняется от кинематического нуля в замкнутой форме, в паре с протоколом возмущений, проверяющим, реагирует ли iKCE при пересечении физическими условиями границы режима. Мы реализуем диагностику на опубликованной контрольной точке DreamerV3, обученной на задаче DMC walker-walk, где воображаемая iKCE примерно на два порядка выше, чем в сопоставимых развёртках реальной физики. При варьировании трения, пересекающем границу коллапса походки, iKCE модели остаётся статистически плоской, даже когда вознаграждение обученной политики резко падает в том же диапазоне, что даёт кинематическую, а не динамическую сигнатуру. Диагностика различает кинематическое и динамическое воображение на горизонтах, превышающих период походки воплощённого агента.

English

Long-horizon failure in world models is conventionally attributed to compounding error, a generic framing that does not distinguish what kind of error compounds. We propose a kinematic-vs-dynamic reframing: world models tend to imagine kinematically rather than dynamically. We operationalize this as the imagined Kinematic-Consistency Error, a per-step diagnostic that measures how far a rollout departs from a closed-form kinematic null, paired with a perturbation protocol that tests whether iKCE responds when physical conditions cross a regime boundary. We instantiate the diagnostic on a released DreamerV3 checkpoint trained on DMC walker-walk, where imagined iKCE runs roughly two orders of magnitude above that of matched real-physics rollouts. Across a friction sweep that crosses the gait-collapse boundary, the model's iKCE stays statistically flat even as the trained policy's reward collapses through the same range, providing the kinematic-not-dynamic signature. The diagnostic distinguishes kinematic from dynamic imagination at horizons longer than the embodiment's gait period.