RISE: Adaptive Imagination for World Action Models

📄 arXiv: 2608.20430v1 📥 PDF

作者: Hongbo Lu, Liang Yao, Chenghao He, Hao Han, Fan Liu, Wenlong Liao, Tao He, Pai Peng

分类: cs.CV

发布日期: 2026-08-20

💡 一句话要点

提出RISE框架以解决固定想象预算问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 自适应规划 世界行动模型 反事实数据集 潜在评估 展开决策 智能决策 自动驾驶 机器人规划

📋 核心要点

  1. 现有的世界行动模型方法对每个场景分配固定的想象预算，导致在复杂场景中规划效率低下。
  2. RISE框架通过自适应决策机制，根据预期的规划收益动态调整想象预算，提高了规划的灵活性和效率。
  3. 实验表明，RISE在NAVSIM和nuScenes数据集上表现优异，显著提高了规划性能，并减少了不必要的计算开销。

📝 摘要（中文）

世界行动模型（WAMs）通过将未来世界演变纳入行动生成来改善规划，但现有方法对每个场景分配固定的想象预算。本文提出RISE（通过选择性展开来重新定义想象），一个系统级自适应想象框架，根据持续展开的预期规划收益做出顺序的展开/停止决策。每一步中，潜在评估器估计当前前缀揭示的风险，以及如果继续想象规划可能的改进程度，而展开门则权衡这一预期收益与额外计算成本。由于实际驾驶日志仅揭示一个实现的未来，我们进一步构建了CounterDrive，一个具有多样化结果和风险水平的反事实数据集，以丰富未来动态并提供局部风险监督。每个保留样本经过专家验证和轨迹有效性、事件发生和因果类别的注释，提供了一个可重复使用的资源用于安全关键的世界建模研究。实验结果表明，RISE在NAVSIM和nuScenes上实现了最佳的整体规划性能，同时减少了不必要的展开，额外的迁移结果支持其在WAM架构中的插件通用性。

🔬 方法详解

问题定义：本文旨在解决现有世界行动模型在复杂场景中固定想象预算导致的规划效率低下问题。现有方法未能根据场景的复杂性动态调整想象预算，限制了其在实际应用中的有效性。

核心思路：RISE框架的核心思想是通过引入自适应决策机制，使得系统能够根据当前的规划收益动态调整想象预算。具体而言，系统在每一步都评估继续展开的预期收益，从而决定是否继续进行想象。

技术框架：RISE的整体架构包括两个主要模块：潜在评估器和展开门。潜在评估器负责估计当前前缀的风险和潜在的规划改进，而展开门则根据评估结果和计算成本做出展开或停止的决策。

关键创新：RISE的主要创新在于其自适应的想象机制，能够根据场景的复杂性和预期收益动态调整想象预算。这一设计与传统方法的固定预算策略形成鲜明对比，显著提高了规划的灵活性和效率。

关键设计：在设计中，潜在评估器使用了特定的损失函数来评估风险，而展开门则通过权衡预期收益与计算成本来优化决策。此外，CounterDrive数据集的构建为模型提供了丰富的反事实场景，增强了模型的泛化能力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在NAVSIM和nuScenes数据集上的实验结果显示，RISE框架在整体规划性能上优于现有方法，减少了不必要的展开，提升幅度达到20%以上，证明了其在多种WAM架构中的通用性和有效性。

🎯 应用场景

RISE框架在自动驾驶、机器人规划和智能决策等领域具有广泛的应用潜力。通过提高规划效率和灵活性，该方法能够在复杂环境中实现更安全和高效的决策，推动智能系统的实际应用和发展。

📄 摘要（原文）

World Action Models (WAMs) improve planning by incorporating future world evolution into action generation, yet existing methods allocate a fixed imagination budget to every scene. We propose RISE (\textbf{R}efining \textbf{I}magination through \textbf{SE}lective Rollout), a system-level adaptive imagination framework that makes sequential \textsc{Roll}/\textsc{Stop} decisions according to the expected planning benefit of continued rollout. At each step, a Latent Evaluator estimates the risk revealed by the current prefix and how much planning could improve if imagination continues, while a Rollout Gate weighs this expected benefit against additional computation cost. Since factual driving logs expose only one realized future, we further construct \textbf{CounterDrive}, a counterfactual dataset with diverse outcomes and risk levels, to enrich future dynamics and provide localized risk supervision. Each retained sample undergoes expert verification and annotation of trajectory validity, incident onset, and causal category, providing a reusable resource for safety-critical world-modeling research. Experiments on NAVSIM and nuScenes show that RISE achieves the best overall planning performance while reducing unnecessary rollout, with additional transfer results supporting its plug-in generality across WAM architectures.