GRASP：世界モデルにおける長期計画のための新しい勾配ベースのプランナー

GRASPは、学習されたダイナミクス（ワールドモデル）に基づく新しい勾配ベースのプランナーであり、(1) 軌道を仮想状態にリフトすることで時間方向の最適化を並列化し、(2) 状態イテレートに直接確率性を加えて探索を促進し、(3) 勾配を再形成することで、高次元ビジョンモデルを通じた不安定な「状態-入力」勾配を避けつつ、アクションにクリーンな信号を与えることで、長期計画を実用的にします。大規模な学習済みワールドモデルはますます高性能になっていますが、長期計画は、不良条件の計算グラフ、悪い局所最適解がある非貪欲なランドスケープ、高次元潜在空間による微妙な失敗モードにより、依然として脆弱です。BAIRから、Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Barを含む著者らは、これらの問題に対処するためにGRASPを提案します。このプランナーは、ワールドモデルを通じてアクション・ヤコビ行列のみに依存する一次のリフト状態アプローチを構築し、微分可能性を活用しつつ状態ヤコビ行列の感度を回避します。