LeFlow: Generative Latent Flow Planning for World Models
作者: Hsiang-Wei Huang, Jianxu Shangguan, Junbin Lu, Jenq-Neng Hwang
分类: cs.CV
发布日期: 2026-08-25
🔗 代码/项目: GITHUB
💡 一句话要点
提出LeFlow以解决世界模型中的规划效率问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)
关键词: 潜在世界模型 动作规划 轨迹生成 机器人导航 自动驾驶
📋 核心要点
- 现有的世界模型在动作规划中依赖于在线迭代优化，效率低下且无法重用规划经验。
- LeFlow通过学习潜在轨迹先验，将规划视为条件潜在轨迹生成，从而提高了规划效率。
- 在多个基准测试中，LeFlow实现了成功率的显著提升，并大幅减少了规划时间。
📝 摘要（中文）
潜在世界模型是强大的编码器，能够将图像像素转化为潜在嵌入。然而，现有的世界模型仍依赖于在线轨迹优化进行动作规划，每次状态-目标对都需从头开始运行迭代优化器，导致规划效率低下。本文提出LeFlow，通过学习可重用的潜在轨迹先验，直接在潜在动态空间中进行规划。LeFlow将规划重构为条件潜在轨迹生成，利用修正流模型想象当前与目标嵌入之间的未来潜在路径，并通过逆动态解码器将潜在转变转化为动作块，最后通过自回归展开验证每个候选方案。实验结果表明，LeFlow在四个主要的目标条件像素控制基准上，显著提高了成功率，并将规划时间减少了一个数量级。
🔬 方法详解
问题定义：本文旨在解决现有世界模型在动作规划中依赖在线迭代优化的低效问题。每次规划都需从头开始，无法重用先前的规划经验，导致计算成本高昂。
核心思路：LeFlow提出了一种新的方法，通过学习可重用的潜在轨迹先验，直接在潜在动态空间中进行规划。这样设计的目的是为了减少每次规划所需的计算时间，并提高规划的成功率。
技术框架：LeFlow的整体架构包括三个主要模块：修正流模型用于生成潜在轨迹，逆动态解码器将潜在转变转化为具体动作，最后通过冻结的世界模型进行自回归展开以验证候选方案。
关键创新：LeFlow的核心创新在于将规划过程视为条件潜在轨迹生成，而非传统的动作空间优化。这一方法使得规划可以重用先前的经验，显著提高了效率。
关键设计：在设计中，LeFlow使用了修正流模型和逆动态解码器，具体的损失函数和网络结构细节未在摘要中详细说明，可能需要参考原文以获取更多信息。
🖼️ 关键图片
📊 实验亮点
在四个主要的目标条件像素控制基准上，LeFlow实现了成功率的显著提升，规划时间减少了一个数量级，表明其在效率和效果上的优势。与传统的迭代优化方法相比，LeFlow展示了更高的成功率和更低的计算成本。
🎯 应用场景
LeFlow的研究成果在机器人导航、自动驾驶和智能控制等领域具有广泛的应用潜力。通过提高规划效率，LeFlow能够帮助这些系统更快速地响应环境变化，从而提升整体性能和安全性。未来，LeFlow的理念可能会推动更多基于潜在模型的智能系统的发展。
📄 摘要（原文）
Latent world models are inherently strong encoders that transform image pixel to latent embedding, yet existing world models still rely on online trajectory optimization for action planning: for every state-goal pair, an iterative optimizer is run from scratch to search for optimal action sequences, treating the world model as a black-box simulator. This approach pays the full iterative optimization cost anew at every replanning step and reuses no planning experience across queries. In this work, we ask whether planning itself can be amortized once a latent world model has been learned. We present LeFlow, which learns a reusable latent trajectory prior operating directly in the latent dynamics space from the world model. LeFlow recasts planning as conditional latent trajectory generation: a rectified-flow model imagines a future latent path between the current and goal embeddings, an inverse dynamics decoder turns latent transitions into action chunks, and the frozen world model verifies each candidate by autoregressive rollout. Across four major goal-conditioned pixel-control benchmarks, LeFlow replaces iterative action-space optimization with amortized latent planning and fixed-budget rollout selection, achieving consistent success-rate gains with an order-of-magnitude reduction in planning time. Our results argue that latent world models should support not only prediction but reusable planning priors. Our code is available at https://github.com/hsiangwei0903/LeFlow.