Do Better Imagined Rollouts Mean Better Robot Control? A Controlled Study of World-Model Evaluation Under Feedback
作者: Dharini Raghavan, Amritpal Singh
分类: cs.RO
发布日期: 2026-09-02
备注: 20 pages, 10 figures
🔗 代码/项目: GITHUB
💡 一句话要点
提出闭环反馈下的世界模型评估方法以提升机器人控制性能
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 机器人控制 状态估计 闭环反馈 预测模型 轨迹重放 测量更新 性能评估
📋 核心要点
- 现有的机器人控制方法往往依赖于开环预测准确性，忽视了闭环反馈的重要性。
- 本文提出了一种新的评估方法，通过轨迹重放和闭环跟踪来比较不同状态估计器的性能。
- 实验结果显示，轨迹重放的RMSE与闭环RMSE的相关性更强，且不同的评估指标会导致不同的最佳估计器选择。
📝 摘要（中文）
预测模型在机器人领域被广泛应用于状态估计、规划、控制和策略评估，但通常仅通过固定时间范围内的开环预测准确性来评估。本文研究了在闭环操作中，机器人如何通过反复行动、接收新测量、更新状态估计和重新计算控制来提升性能。通过对六种状态估计器在24种传感条件下的评估，发现轨迹重放位置的均方根误差（RMSE）与闭环交叉轨迹RMSE的相关性更强，且在不同条件下选择的最佳估计器存在差异。研究结果表明，机器人中的预测模型评估应同时考虑预测时间范围和测量更新频率。
🔬 方法详解
问题定义：本文旨在解决现有机器人控制方法在评估预测模型时仅依赖开环预测准确性的问题，强调闭环反馈在状态估计中的重要性。
核心思路：通过比较轨迹重放和闭环跟踪的性能，提出了一种新的评估框架，以更准确地反映机器人在实际操作中的表现。
技术框架：研究中使用了六种状态估计器，在24种不同的传感条件下进行评估，采用了轨迹重放、20步无测量的滚动预测和闭环跟踪等方法。
关键创新：提出了在评估预测模型时同时考虑预测时间范围和测量更新频率的必要性，强调了闭环操作对模型评估的影响。
关键设计：在实验中，使用了不同的预测时间范围和测量更新间隔，发现长预测时间在定期校正下仍然有效，而无校正的长滚动预测可能导致与闭环行为显著不同的排名。
🖼️ 关键图片
📊 实验亮点
实验结果表明，轨迹重放的RMSE与闭环交叉轨迹RMSE的相关性为0.923，而滚动预测的相关性仅为0.774。在不同的测量更新频率下，长预测时间的有效性得到了验证，尤其是在定期校正的情况下，模型性能显著提升。
🎯 应用场景
该研究为机器人控制系统中的状态估计和决策制定提供了新的评估框架，具有广泛的应用潜力，尤其在自动驾驶、无人机导航和工业机器人等领域。通过改进模型评估方法，可以提升机器人在复杂环境中的适应能力和操作精度，推动智能机器人技术的发展。
📄 摘要（原文）
Predictive models are increasingly used in robotics for state estimation, planning, control, and policy evaluation, yet they are often judged by open-loop prediction accuracy over a fixed horizon. In closed-loop operation, a robot repeatedly acts, receives new measurements, updates its state estimate, and recomputes control. We study this difference in a differential-drive path-tracking task with biased odometry and intermittent landmark sensing. Six state estimators are evaluated across 24 sensing conditions using trajectory replay, a 20-step measurement-free rollout, and closed-loop tracking. Replay position RMSE correlates more strongly with closed-loop cross-track RMSE than rollout error (Spearman rho = 0.923 vs. 0.774) and selects a different estimator from the closed-loop optimum in 5/24 conditions, compared with 18/24 for the rollout metric. We then vary rollout horizon and measurement-update interval. With H=20, rank agreement decreases from rho = 0.916 with measurements at every step to rho = 0.774 with no measurements. A horizon-update grid shows that long prediction horizons remain informative when regular corrections are retained, whereas long rollouts without correction can produce rankings that differ substantially from closed-loop behavior. We also test recurrent estimators trained on longer sensing outages. This improves the EKF-anchored models under combined sensing degradation, reducing GRU-EKF cross-track RMSE from 1.72 m to 1.06 m, but the gain is not consistent across isolated outages or estimator architectures. These results show that predictive-model evaluation in robotics should specify both prediction horizon and measurement-update schedule. For models used in feedback, offline rollouts are most informative when their sensing and correction pattern reflects closed-loop operation. Code is available at https://github.com/rdharini2001/Robot_World_Model