ACID: Action Consistency via Inverse Dynamics for Planning with World Models

📄 arXiv: 2607.02403 📥 PDF

作者: Gawon Seo, Dongwon Kim, Suha Kwak

分类: cs.RO, cs.AI, cs.CV

发布日期: 2026-07-05

💡 一句话要点

提出ACID框架以解决决策时间规划中的动作一致性问题

🎯 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: 动作一致性 决策时间规划 世界模型 逆动态 机器人控制 智能体决策 计算效率

📋 核心要点

  1. 现有的动作条件世界模型在决策时间规划中存在中间过渡可实现性不足的问题，导致预测轨迹与实际环境的偏差。
  2. ACID框架通过引入循环动作一致性，确保从预测过渡推断的动作与条件动作相符，从而提高规划的可靠性。
  3. 在多个任务中，ACID框架在规划性能上均有显著提升，同时计算资源消耗显著低于基线方法。

📝 摘要（中文）

在具身控制的决策时间规划中，基于动作条件的世界模型已成为一种流行的范式。然而，现有的规划成本评估仅关注预测终态与目标的接近程度，忽视了中间过渡的可实现性。本文提出了ACID框架，引入了循环动作一致性：通过逆动态模型从预测过渡推断出的动作应当与条件动作一致。通过在四个动作条件的世界模型和六个任务上进行实验，ACID在规划性能上显著提升，同时在计算资源消耗上大幅降低。

🔬 方法详解

问题定义：本文旨在解决基于动作条件的世界模型在决策时间规划中存在的中间过渡可实现性不足的问题。现有方法仅关注预测终态与目标的接近程度，未能有效评估中间状态的合理性。

核心思路：ACID框架的核心思想是引入循环动作一致性，确保通过逆动态模型推断出的动作与条件动作一致。这种设计旨在提高规划的可靠性，避免在中间状态出现不一致的情况。

技术框架：ACID框架的整体架构包括动作条件的世界模型、逆动态模型和规划模块。首先，模型生成预测过渡，然后通过逆动态模型推断出动作，最后将其与条件动作进行比较以计算规划成本。

关键创新：ACID的主要创新在于引入了循环动作一致性这一概念，通过将每一步的残差纳入规划成本，显著提高了规划的准确性和可靠性。这一方法与传统方法的本质区别在于对中间过渡的关注。

关键设计：在设计中，ACID采用了尺度不变的自适应权重来整合每一步的残差，并在多个任务中进行了验证。损失函数的设计考虑了动作一致性和预测精度的平衡，以确保模型的有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，ACID框架在四个动作条件的世界模型和六个任务中均表现出显著的规划性能提升，且在计算资源消耗上显著低于基线方法，证明了其有效性和实用性。

🎯 应用场景

该研究的潜在应用领域包括机器人控制、自动驾驶、虚拟现实等需要实时决策的场景。通过提高规划的可靠性，ACID框架能够在复杂环境中实现更高效的任务执行，未来可能对智能体的自主决策能力产生深远影响。

📄 摘要（原文）

Decision-time planning with action-conditioned world models has become a popular paradigm for embodied control. However, the standard planning cost judges a candidate solely by how close its predicted terminal state lies to the goal, leaving the realizability of the intermediate transitions unchecked -- a predicted trajectory can look convincing while the environment rollout drifts away from it. In this paper, we propose ACID, a decision-time planning framework that introduces cycle action consistency: the action inferred backward from a predicted transition by an inverse dynamics model should recover the one that was conditioned on. We fold this per-step residual into the planning cost via a scale-invariant adaptive weight. Across four action-conditioned world models and six tasks spanning rigid and deformable manipulation, articulated control, and visual navigation, ACID consistently improves planning and matches the baseline's accuracy with substantially less planning compute.