知识卡片：面向潜世界模型的运动引导对比正则化

一句话结论

针对 JEPA 风格潜世界模型中“静态坍缩”导致控制信息丢失的问题，作者提出运动引导对比正则化（motion-guided contrastive regularization），在随机背景的 OGBench-Cube 上把规划成功率从 52% 提升到 78%，在 LIBERO-Object 上从 14% 提升到 54%。

事件概述或研究问题

JEPA 风格世界模型在不重建观测的前提下学习动作条件潜动力学，但仅靠分布正则化并不能保证表征保留控制所需的信息。作者识别出一种失败模式“静态坍缩”（static collapse）：编码器保留与具体回合相关的静态内容，却压制了与操作任务相关的状态变化。由于静态内容在时间上可预测、跨回合又高度多样，这类失败可以在 SIGReg 等正则化器存在时依然持续。研究问题是：如何让潜表征保留回合内的状态区分，而不是靠背景身份来区分动作结果。

方法/产品要点

• 受控实验：在 OGBench-Cube 上引入随机背景，底层操作任务不变，观察规划性能显著下降，以此暴露静态坍缩。
• 核心方法：运动引导对比正则化。将预测的潜转移与同一回合内候选观测的转移进行对比，降低静态背景身份在区分动作结果中的作用。
• 软对比目标：用光流相似度为候选提供软对比目标，运动相似的候选获得相似的监督信号。
• 训练目标组合：与潜预测、SIGReg 结合，鼓励表征保留回合内状态区分以及相关转移之间的相似性。
• 基线：LeWorldModel（LeWM）。

主要结果或产业意义

• OGBench-Cube（随机背景）：规划成功率 52% → 78%。
• LIBERO-Object：14% → 54%。
• 在另外四个视觉控制基准上保持可比性能。
• 产业意义：对依赖潜世界模型做规划/控制的视觉机器人系统，背景多样性是常见现实条件；该方法提示正则化设计需显式保护任务相关运动信息，而非只约束潜分布。

为什么重要

潜世界模型的评估常忽略“表征是否保留控制所需信息”这一问题。本文把静态坍缩明确为可复现的失败模式，并给出轻量级的对比正则化补救方案，与仅依赖分布正则化（如 SIGReg）的做法形成对照。其增量在于：不是改进预测器或规划器，而是从表征学习目标层面修复信息丢失，且不依赖像素重建。

局限与不确定性

• 光流软目标的计算方式与开销、对无光流或弱纹理场景的适用性，待核实。
• 方法在真实机器人平台上的表现，材料未涉及，待核实。
• “静态坍缩”在其它模型族（非 JEPA 风格）中的普遍性，待核实。
• 四个“保持可比性能”的基准具体名称与数值，摘要未列出，待核实。

可用于图书/PPT/简报的角度

• 用“随机背景导致规划失败”作为世界模型表征缺陷的直观案例。
• 对比“分布正则化 vs 对比正则化”在潜世界模型中的分工。
• 强调不重建观测的 JEPA 路线的隐含风险：可预测 ≠ 可控。
• 作为“评估应加入背景随机化”的方法论论据。

与既有脉络的关系

既有卡片分别讨论了像素级空间正则化（CGSReg）、物理结构化潜状态（ELWM）与潜空间规划摊销（LeFlow）。本卡片补充的是表征目标层面的失败模式诊断与对比正则化方案，关注点从“预测/规划质量”前移到“潜表征是否保留控制信息”，可作为上述工作在上游表征学习环节的补充。

原始材料

• 标题：Motion-guided Contrastive Regularization For Latent World Models
• 作者：Yiwen Chen, Qiqi Hou, Jisoo Jeong, Yinhao Zhu, Huaizu Jiang, Amir Said
• arXiv ID：2611.06901v1（cs.CV），发布/更新：2026-11-04
• 摘要页：https://arxiv.org/abs/2611.06901v1
• PDF：https://arxiv.org/pdf/2611.06901v1