知识卡片：LeFlow：面向世界模型的生成式潜流规划

• 英文标题：LeFlow: Generative Latent Flow Planning for World Models
• 英文关键词：latent world models; amortized planning; rectified flow; goal-conditioned control; latent trajectory generation

一句话结论

LeFlow 提出在已学习的潜世界模型之上，将规划本身“摊销化”，用修正流模型在潜空间中生成从当前状态到目标嵌入的未来轨迹，再通过逆动力学解码为动作；在四个目标条件像素控制基准上取得一致的成功率提升，并将规划时间降低约一个数量级。其核心观点是：潜世界模型不应只用于预测，还应支持可复用的规划先验。

事件概述或研究问题

现有潜世界模型虽然擅长将图像像素编码为潜嵌入，但动作规划仍依赖在线轨迹优化：对每一个“状态-目标”对，都要从零运行迭代优化器，把世界模型当作黑箱模拟器使用。这种方式的代价是：每次重规划都要重新支付完整的迭代优化成本，而且不同查询之间的规划经验无法复用。

本文提出的问题是：一旦潜世界模型被学习完成，规划本身是否也能被摊销？

方法/产品要点

• LeFlow 学习一个可复用的潜轨迹先验，直接在世界模型的潜动力学空间中运作。
• 它将规划重新表述为“条件潜轨迹生成”：一个修正流模型生成当前潜状态与目标潜嵌入之间的未来潜路径。
• 使用逆动力学解码器，将潜转移转换为动作块。
• 冻结的世界模型通过自回归 rollout 对候选轨迹进行验证。
• 整体用“摊销式潜规划 + 固定预算 rollout 选择”替代逐次动作空间迭代优化。

主要结果或产业意义

• 在四个主要目标条件像素控制基准上，LeFlow 相比现有迭代式动作空间优化取得一致的成功率提升。
• 规划时间降低约一个数量级。
• 代码已开源：https://github.com/hsiangwei0903/LeFlow
• 产业意义上，这种设计有望降低依赖世界模型的视觉控制与机器人规划系统的推理时延，更适合实时重规划场景。

为什么重要

• 传统潜世界模型主要被视为“预测器”，LeFlow 则强调它们还应成为“可复用规划先验”的载体。
• 相比已有相关卡片中的 ELWM、FlowWAM、Deform360 等脉络，本文的增量在于：不是改进世界模型本身，也不是提出新的动作表示或数据集，而是把“规划”这一过程从逐次迭代优化变为生成式摊销，显著缩短规划时间。

局限与不确定性

• 摘要中未给出四个基准的具体名称、成功率提升的精确数值以及规划时间下降的具体幅度，细节待核实。
• “固定预算 rollout 选择”中的候选轨迹数量、验证预算等实现细节，原文摘要未说明，待核实。
• 是否已在真实机器人平台上验证，还是仅限于像素控制仿真环境，待核实。

可用于图书/PPT/简报的角度

• “双层次学习”视角：先学世界模型，再学“如何在该模型中规划”。
• “从黑箱模拟器到可复用规划先验”的范式转变。
• 三段式流程：潜空间轨迹生成 + 逆动力学动作解码 + 冻结世界模型验证。
• “一个数量级规划时间下降”带来的实时控制与机器人应用想象空间。

原始材料

• Title: LeFlow: Generative Latent Flow Planning for World Models
• Authors: Hsiang-Wei Huang, Jianxu Shangguan, Junbin Lu, Jenq-Neng Hwang
• Published: 2026-08-25
• Primary Category: cs.CV
• arXiv ID: 2608.24855v1
• Abstract URL: https://arxiv.org/abs/2608.24855v1
• PDF URL: https://arxiv.org/pdf/2608.24855v1
• Code: https://github.com/hsiangwei0903/LeFlow