短程任务成功率还不错，目标一旦变远，规划却明显变难。这是世界模型与视觉规划中一个值得追问的现象：单步预测准，长程规划就一定稳吗？
对于依靠潜空间预测和目标距离进行规划的这类 JEPA 世界模型，状态表征既要预测动作后果，也要比较候选未来的任务进展。局部预测准确，并不自动保证递归预测一致，或远处的目标距离仍然有区分度。
Dual-WM 为局部执行和长程规划学习不同的 latent space 和各自的动力学，再通过低层状态窗口连接两层。本文按照问题、设计、训练、规划的顺序展开，最后给出公开实现的阅读与评价入口。
- 论文：Beyond a single latent space: a dual-latent world model for long-horizon planning
- 训练与规划核心实现
1. 长程规划的两个卡点：想偏了，或者分不清
想偏了：递归预测漂移。规划中，上一步预测成为下一步的输入。局部训练时不大的误差，经过多次递归可能累积和放大，使想象轨迹偏离真实未来。
分不清：高维距离集中。即使候选未来预测准确，规划器仍需要区分哪些候选更有任务进展。当目标代价过于接近时，搜索缺少清晰的排序信号。
在基于潜空间距离的目标规划中，候选动作先通过动力学得到预测状态，再由预测状态到目标的距离评价。这个距离承担了比较任务进展的作用。
在高维、各向同性正则化的状态表征中，时间相关性减弱后，距离可能趋近维度相关的基准。不同候选未来的目标代价变得相近，就会削弱动作搜索所依赖的排序信号。
论文以零均值、单位协方差状态给出参考关系：
ρ h = 1 d E [ z t ⊤ z t + h ] , E ∥ z t − z t + h ∥ 2 2 = 2 d ( 1 − ρ h ) . \rho_h=\frac{1}{d}\mathbb E[z_t^\top z_{t+h}],\qquad \mathbb E\|z_t-z_{t+h}\|_2^2=2d(1-\rho_h).ρh=d1E[zt⊤zt+h],E∥zt−zt+h∥22=2d(1−ρh).
当 ρ_h 接近零，平均平方距离接近 2d；独立标准高斯参考下的距离还具有随维度增加而减小的相对波动。这个分析促使我们单独检验：潜空间的目标距离是否仍能反映长程任务进展。
长程规划需要预测一致性，也需要有区分度的目标距离。
2. 缩短预测链之后，为什么还需要两个潜空间？
平坦世界模型可以改进预测与搜索；层次世界模型可以通过时间抽象缩短长程路线搜索的递归深度。但在仍然共享 latent space 的方案中，局部执行和远期目标评价继续依赖同一套状态几何。缩短预测链，本身不会改变这套几何；距离已经趋于饱和时，远处的候选仍可能难以比较。
局部执行与长程规划对表征提出不同要求。低层要区分影响即时动作效果的状态变化；高层要在较大时间跨度上比较任务进展。
Dual-WM 分开学习两套状态表征与动力学：
| 时间角色 | 状态构造 | 动力学输入 | 规划作用 |
|---|---|---|---|
| 低层局部执行 | z_L = E_L(o) | 原始动作输入 | 精细动作转移、最终目标匹配 |
| 高层长程规划 | z_H = E_H(W_L) | 学习得到的宏动作 | 较长跨度预测、隐空间子目标评价 |
两层共享视觉骨干。高层通过 E_H 将低层状态窗口映射到另一个状态空间，并在宏步动力学目标下训练；分工发生在状态表征和动力学层面。
因此，时间抽象、状态几何和动作接口一起设计：高层步覆盖多个低层步，同时使用适合该时间角色的状态表征来评价目标。
3. 窗口接口：高层状态具体从哪里来？
W_L 是长度 k 的低层 latent window，高层编码为：
z t H = E H ( W t L ) . z_t^H=E_H(W_t^L).ztH=EH(WtL).
单帧初始化时重复当前低层 latent 填满窗口。训练中，高层分支接收停止梯度的低层窗口；高层损失更新高层模块，低层保留自己的预测目标。
一个高层转移覆盖 k 个低层模型步，即 kf 个环境步。训练 rollout 长度 N/M 与规划 horizon H_L/H_H 分别设置，goal offset 则表示数据轨迹中起点与目标的环境步间隔。
4. LoRe：在两种时间尺度上训练自生成预测
LoRe 在编码起点之后持续递归：下一步预测成为后续输入，真实未来观测提供监督目标。低层和高层分别设置预测长度与指数衰减权重。
L L o R e s = ∑ h = 1 n s w h s ∥ z ^ h s − z h s ∥ 2 2 , w h s = exp ( − α s h ) ∑ j = 1 n s exp ( − α s j ) . \mathcal L_{\mathrm{LoRe}}^s=\sum_{h=1}^{n_s}w_h^s\|\hat z_h^s-z_h^s\|_2^2, \qquad w_h^s=\frac{\exp(-\alpha_s h)}{\sum_{j=1}^{n_s}\exp(-\alpha_s j)}.LLoRes=h=1∑nswhs∥z^hs−zhs∥22,whs=∑j=1nsexp(−αsj)exp(−αsh).
分别设置 α_L、α_H，是因为两层的一个预测步代表不同的实际时间跨度，误差传播也可以不同。有限衰减保留每个已纳入 horizon 的监督，同时调节远期误差的训练权重。
指数权重的动机来自递归误差传播分析。在固定动作序列、共享编码起点、预测器具有 Lipschitz 常数L s L_sLs且单步残差有界的条件下，误差满足e h s ≤ ϵ s ∑ j = 0 h − 1 L s j e_h^s\leq\epsilon_s\sum_{j=0}^{h-1}L_s^jehs≤ϵs∑j=0h−1Lsj。用于平衡加权平方误差上界的参考权重，在L s > 1 L_s>1Ls>1的长跨度情形下趋于几何衰减，这启发了 LoRe 的指数权重。
训练保留所有纳入跨度的监督，同时调节被放大的远期误差的影响。α s = 0 \alpha_s=0αs=0时恢复均匀权重；低层与高层的衰减率分别设置。
下面是损失汇总的简化示意；predictions应由自生成的递归链产生：
importtorchdeflore_loss(predictions,targets,alpha):errors=torch.stack([(pred-target).square().mean()forpred,targetinzip(predictions,targets)])h=torch.arange(1,len(errors)+1,device=errors.device,dtype=errors.dtype,)weights=torch.softmax(-alpha*h,dim=0)return(weights*errors).sum()公开代码的scripts/train/dual_wm.py中，weighted_mean汇总逐步误差，dual_wm_dynamics_forward连接两层 rollout 与训练损失。论文从 1 编号、代码从 0 编号，在归一化指数权重下等价。
5. MAPS：把宏动作表征接到采样搜索
MAPS 对记录动作窗口的宏动作后验施加朝向标准高斯的 KL 正则：
L M A P S = E A ∼ D D K L ( q ϕ ( u ∣ A ) ∥ N ( 0 , I ) ) . \mathcal L_{\mathrm{MAPS}} =\mathbb E_{A\sim\mathcal D}D_{\mathrm{KL}}\big(q_\phi(u\mid A)\|\mathcal N(0,I)\big).LMAPS=EA∼DDKL(qϕ(u∣A)∥N(0,I)).
宏动作预测目标保留动作片段效果的信息，先验约束为规划候选生成提供共同的采样基础。规划时，未来宏动作是优化变量。随机编码的 β=0 配置保留随机后验；确定性编码是另一项条件。
6. 三阶段规划：动力学在低层，子目标比较在高层
- 高层路线搜索：CEM 优化宏动作序列，高层动力学生成隐空间子目标。
- 低层动作细化：P_L 预测候选动作的状态窗口，再用 E_H 映射，与高层子目标比较。
- 低层直接收敛：完成设定的高层引导细化轮数后，切换到直接低层目标代价。
阶段二的核心接口是：
cost ( A ) = ∥ E H ( W ^ t L ( A ) ) − z ~ j H ∥ 2 2 . \operatorname{cost}(A)=\|E_H(\widehat W_t^L(A))-\tilde z_j^H\|_2^2.cost(A)=∥EH(WtL(A))−z~jH∥22.
其中，候选 A 在低层动力学中预测，评价使用高层几何。这个接口连接了不同 latent space 中的路线指导与动作执行，最后又用低层距离保留精细完成目标所需的状态差异。
7. 方法证据应该怎样读？
论文使用真实观测的距离与目标排序诊断、自生成预测的物理状态探针，以及窗口接口、LoRe、MAPS 的受控研究，分别检验状态几何、预测一致性和规划行为。
Window-Concat 接口对照与 Dual-WM 接收同一低层窗口，保留同一低层 checkpoint 和粗到细规划器，用于检验学习高层表征的作用。目标排序与成功率提供互补证据，不能只凭排序指标推断全部因果机制。
主结果覆盖 TwoRoom、Reacher、PushT、Cube-Single 与 Sokoban-Long。Sokoban 推箱子任务检验了离散动作空间：低层使用类别型 CEM 搜索离散动作，高层仍在连续宏动作空间规划较长跨度的效果。
目标间隔 100 环境步时，Dual-WM 在五个任务上均优于对应的逐任务最强基线；从头训练的 Dual-WM 平均成功率为 69.5%，逐任务最强非 Dual-WM 对照为 61.4%；不使用 actor-guided proposals，按任务/offset 选取对照并等权平均。完整数值与实验范围见论文。
8. 按方法模块阅读公开代码
| 阅读入口 | 对应的方法问题 |
|---|---|
stable_worldmodel/wm/dual_wm/ | 低层状态、高层窗口编码、宏动作与双层动力学 |
scripts/train/dual_wm.py | 两阶段训练、递归损失、模块冻结和 MAPS |
scripts/plan/eval_wm.py | 目标初始化、模型载入、评价流程 |
scripts/plan/config/ | 高低层搜索参数、窗口子目标代价、数据和权重路径 |
README.md | 训练、评价和五任务权重下载入口 |
TwoRoom 配置中的subgoal_cost.mode: dynamic_window_aligned对应预测窗口与高层子目标的对齐比较。可以由此继续追踪HierarchicalCEMSolver。
仓库要求 Python 3.10 及以上。以下按 Linux/bash 展示代码入口：
gitclone https://github.com/DeLin1001/Dual-WM-Official.gitcdDual-WM-Official python-mpipinstall-e".[envs]"根据 README 准备任务数据、预训练权重和环境后，TwoRoom 的评价入口为：
python-mscripts.plan.eval_wm-cntworoom默认配置读取datasets/tworoom_planning_o100.h5和checkpoints/TwoRoomCPT/TwoRoomCPT.pt；其他路径可通过STABLEWM_HOME、DUALWM_CHECKPOINT_DIR指定。数据需另外准备。
公开仓库覆盖训练与规划核心流程，其他实验脚本的发布范围以 README 为准。运行前需按公开 README 准备相应数据、权重及环境依赖。
Dual-WM 想探索的是按时间角色组织状态空间：让局部转移和长程目标评价分别学习表征，再用窗口接口、LoRe 与宏动作规划完成协作。当前研究基于离线数据和固定时间抽象，欢迎围绕自适应时间尺度与任务相关目标几何继续讨论。
论文：https://arxiv.org/abs/2609.37644
代码：https://github.com/DeLin1001/Dual-WM-Official
