GRASP：基于梯度的长时域规划新方法，用于世界模型中的规划

GRASP是一种新的基于梯度的规划器，适用于学习型动力学（世界模型），通过以下方式使长时域规划变得实用：（1）将轨迹提升为虚拟状态，使得优化在时间维度上并行；（2）直接将随机性引入状态迭代以实现探索；（3）重塑梯度，使动作获得清晰的信号，同时避免通过高维视觉模型产生的脆弱“状态-输入”梯度。大型学习型世界模型的能力日益增强，但由于计算图条件不良、存在不良局部最小值且非贪心的景观，以及高维潜在空间引入的微妙故障模式，长时域规划仍然脆弱。来自伯克利人工智能研究中心（BAIR）的作者，包括迈克·拉巴特、阿迪蒂·克里希纳普里扬、扬·勒昆和阿米尔·巴尔，提出了GRASP来解决这些问题。该规划器构建了一种一阶提升状态方法，该方法仅依赖于通过世界模型的动作雅可比矩阵，利用可微性同时避免状态雅可比矩阵的敏感性。