EpicWorldModel: pianificazione guidata dall’esplorazione con modelli del mondo latenti

Abstract degli autori

I modelli del mondo latenti basati sulla Joint-Embedding Predictive Architecture (JEPA) sono deterministici per progettazione. Pur avendo successo negli scenari pienamente osservabili, questo paradigma non funziona quando osservazioni e azioni passate possono portare a più sviluppi futuri plausibili, per esempio a causa di occlusioni. Presentiamo EpicWorldModel, un framework per addestrare JEPA stocastiche in ambienti e attività caratterizzati da un’incertezza intrinseca e da un’osservabilità parziale. Addestriamo congiuntamente il predittore di EpicWorldModel e il suo spazio di rappresentazione latente a prevedere direttamente più possibili stati futuri, usando un obiettivo di flow matching quando gli elementi della scena rilevanti per l’obiettivo sono assenti dalla storia usata come condizione. Mostriamo che la varianza predittiva del flusso, la cui scelta è motivata dal suo rapporto con un limite superiore dell’entropia predittiva, è utile per guidare l’esplorazione nella pianificazione. Incorporando questo segnale di incertezza nella pianificazione basata sul Cross-Entropy Method (CEM), il nostro approccio bilancia il raggiungimento dell’obiettivo con l’esplorazione delle regioni incerte in cui è più probabile che si trovino obiettivi nascosti alla vista. Dimostriamo l’efficacia di EpicWorldModel attraverso una serie di esperimenti di pianificazione nello spazio latente: nelle diverse attività ottiene prestazioni migliori o pari alle migliori, con un miglioramento empirico del tasso di successo fino al 22% rispetto a LeWorldModel.