西交大提出Fast-LeWM：并行预测动作序列，加速世界模型规划4倍
Fast-LeWM通过并行预测动作序列的未来状态，大幅加速世界模型规划，同时提升规划质量。
世界模型在规划时需逐步 rollout，耗时且误差累积。西安交大提出 Fast-LeWM，用动作前缀编码器并行预测未来潜变量，将动态模块耗时从31.4秒降至8.0秒，成功率从85.8%提升至90.5%。
正文摘录
.jpg)  本文第一作者为西安交通大学硕士生高云天，通讯作者为西安交通大学教授许翔宇，其研究方向涵盖世界模型、三维视觉与具身智能（个人主页：https://xuxy09.github.io/） 在视觉规划与具身智能中，“世界模型” 被认为是智能体走向通用决策能力的核心组件：在真正执行动作之前，先在潜在空间中 “想象未来”，再选择最优行为。 但在视觉规划里， 这个 “想象” 过程往往很慢。 以 LeWorldModel（LeWM）为例，它在规划时有一个重要瓶颈：每评估一条候选动作序列，模型都要一步步自回归 rollout。