AD-WM: Modelos de Mundo Discriminativos por Ação para Controle Preditivo de Modelo Contrafactual

Modelos de mundo latentes são tipicamente treinados para prever transições factuais, enquanto o controle preditivo de modelo (MPC) deve comparar ações alternativas a partir do mesmo estado. Assim, um modelo pode alcançar baixo erro de previsão factual, mas distinguir mal as ações candidatas. Introduzimos o AD-WM, um modelo de mundo de incorporação conjunta discriminativo por ação para MPC contrafactual. O AD-WM combina dinâmicas latentes residuais com regularização de recuperação de ação em nível de preditor, usando dinâmica inversa e um objetivo de recuperação normalizado motivado por informação mútua condicional. Ambos os objetivos incentivam que as transições de planejamento preservem a informação da ação; suas cabeças auxiliares são descartadas no tempo de teste, mantendo o MPC inalterado. No OGBench-Cube, o AD-WM eleva o sucesso de partida difícil de 3,7% para 52,0% em relação a uma linha de base LeWM correspondente e melhora o sucesso médio sobre a linha de base reproduzida em quatro de cinco ambientes de simulação…