RISE: 世界动作模型的自适应想象

TL;DR RISE 让世界动作模型按场景风险自适应决定想象步数，配合反事实数据集训练评估器，在规划性能与算力间取得最佳平衡。

问题

问题背景

世界动作模型 (World Action Models, WAMs) 在具身智能与自动驾驶规划中受到关注，核心思想是让模型在生成动作前“想象”未来世界演化，以提高决策质量。

现有方法局限

现有 WAM 方法对每个场景分配固定的 imagination budget（如固定 rollout 深度或固定推理步数）。这种静态策略存在明显缺陷：

• 简单场景（如空旷直道）可能只需要浅层想象，但固定深度造成冗余计算；
• 复杂或高风险场景（如密集交互、突发障碍）需要更深的想象，但固定预算导致 rollout 不足，规划器无法充分感知未来风险。 此外，训练数据通常只包含单一真实未来轨迹，模型难以学习丰富多样的未来演化，缺乏对反事实结果和风险等级的直接监督。

为什么这个问题难/重要

自适应决定何时继续 rollout 是一个序列决策问题：每一步都要估计继续想象的预期收益（如风险降低、规划改进）与额外计算成本。难点在于未来信息增益难以量化，且缺乏多未来 ground-truth 数据来训练可靠的评估器。在安全关键的自动驾驶场景中，推理时算力有限，如何把计算花在“刀刃上”直接影响系统实时性与安全性，因此业界对自适应推理机制的需求日益增长。

行业类比

类似 LLM 推理中的 early exit / adaptive depth 机制：根据 token 置信度动态决定是否提前退出，在保证输出质量的同时节省计算，RISE 将其思想迁移到世界模型的 rollout 控制上。

核心洞察

• 将固定想象预算转化为基于预期规划收益的自适应决策过程。RISE 在每个 rollout 步骤用 Latent Evaluator 估计继续想象可能揭示的风险，并由 Rollout Gate 权衡该风险对应的规划提升潜力与额外计算成本，做出序贯 Roll/Stop 决策。这直接跳出了现有 WAM 对所有场景分配相同 rollout 深度的范式，让计算资源集中于高不确定性、高风险的关键片段，在提升规划性能的同时避免了不必要的推理开销。
• CounterDrive 数据集填补了反事实驾驶场景的空白，为风险监督提供局部化信号。真实驾驶日志只暴露一条实际轨迹，无法监督模型对未发生但可能危险的想象。CounterDrive 生成多样反事实结果，并由专家验证轨迹有效性、事故起始点和因果类别，可为 Latent Evaluator 提供时间上局部化的风险校准，同时作为安全关键世界建模研究的可复用基准，这比简单的数据增强更具工程价值。
• RISE 的模块化设计使其成为 WAM 的即插即用插件，而非绑定特定架构。通过将风险估计（Latent Evaluator）与成本决策（Rollout Gate）解耦，RISE 能利用不同 WAM 骨干的潜在中间表示进行自适应 rollout，无需改动原有网络结构。实验在多种 WAM 架构上验证迁移性，说明该框架可被广泛集成到现有系统中，大幅降低采用门槛，对实际部署中的动态计算分配具有直接指导意义。

方法

输入与流程

RISE 输入为驾驶场景的感知特征（历史轨迹、地图上下文等），输出自适应的 rollout 深度序列 和最终规划轨迹。

关键模块

1. Predictor 基于当前 latent 前缀预测未来世界状态；
2. Planner 根据预测的未来状态生成候选动作；
3. Latent Evaluator 估计当前前缀暴露的风险以及继续 rollout 能带来的规划增益；
4. Rollout Gate 将期望增益与额外计算成本比较，做出 Roll/Stop 决策，控制 rollout 继续或停止。

训练三阶段

• Stage I：单独训练 Predictor 和初始 Planner，使用固定长度的 rollout；
• Stage II：引入 CounterDrive 反事实数据集，为 Latent Evaluator 提供局部风险监督和反事实风险排序，同时用风险引导的 latent 细化训练 Planner；
• Stage III：训练 Rollout Gate，以 cost-adjusted continuation target 为监督信号，学习在哪些场景继续 rollout 更有价值。

数据集支持

CounterDrive 通过反事实视频生成、轨迹标注和专家验证，提供多样结果与风险等级，弥补真实驾驶日志只有单一未来的不足。

与同类方法的差异

区别于固定 imagination budget 的 WAM，RISE 将 rollout 深度建模为逐场景的序列决策问题，根据期望规划收益动态分配计算。

实验

实验设计

论文在 NAVSIM 和 nuScenes 两个自动驾驶规划基准上评估 RISE，并与固定想象力预算的 WAM 方法对比。同时构建 CounterDrive 反事实数据集，用于提供多样化未来结果和局部风险监督。实验覆盖规划性能、安全关键场景评估、自适应 rollout 必要性以及跨架构迁移性。

关键发现

• RISE 达到最佳整体规划性能，同时显著减少不必要的 rollout 计算。
• 消融实验表明，Latent Evaluator 和 Rollout Gate 对性能均有贡献，且自适应 rollout 优于固定深度策略。
• 引入 CounterDrive 后，安全关键场景下的评估更全面，模型对风险的识别和响应能力提升。
• 跨架构实验显示 RISE 可作为插件式模块，提升多种 WAM 架构的规划能力。

基线对比解读

相比固定想象力预算的基线（如统一 rollout 深度），RISE 通过每步权衡预期规划收益与计算成本，实现了计算资源从简单场景向复杂高风险场景的动态转移。这一设计避免了在容易场景上的浪费，同时在需要深度推理的场景保留足够想象力，从而在保持或提升规划质量的同时降低平均 rollout 步数。CounterDrive 的引入弥补了现有驾驶日志只含单条真实未来轨迹的缺陷，为风险监督提供了更丰富的对比信号，是提升安全关键性能的关键因素。

行业影响

落地场景

RISE 面向自动驾驶 World Action Models 规划栈，适合 L2+ / L4 实时决策。在复杂路口、事故多发地等场景，系统不再固定步数展开未来轨迹，而是按需想象：风险低时提前停止，风险高时深入展开。该思路可迁移至机器人操作、无人机路径规划等依赖 rollout 评估的动作生成任务。

商业价值

• 降本：自适应 rollout 减少冗余想象步骤，直接降低车载 / 云端推理算力成本。
• 安全体验：通过 CounterDrive 反事实数据集增强罕见高风险场景覆盖，减少规划失误，提升系统可信度。
• 数据资产：专家标注数据集可作为安全评估基准，提供额外数据服务收入。

与现有产品/工作流集成

RISE 可作为插件式调度器插入现有 WAM 架构，无需重训底层预测器。集成路径：

1. 将 Latent Evaluator 与 Rollout Gate 作为旁路模块加载；
2. 推理时替换固定 rollouts 循环，输入当前 latent state 与 prefix；
3. 根据 Gate 输出决定继续或停止。RISE 代码 提供参考实现。

具体 use case

• 自动驾驶公司：在量产车型城市 NOA 规划模块中，用 RISE 动态控制世界模型 rollout 深度，高峰时段算力压力下降，同时对 cut-in、鬼探头等场景保持高敏感。
• 机器人仿真测试：云端大规模场景仿真中，用自适应 rollout 筛选高价值场景，优先渲染危险交互，降低仿真集群 GPU 占用。

局限

• **自适应 rollout 决策的监督依赖 CounterDrive 反事实数据集**，该数据集通过视频扩散模型与 VLM 提示构造生成，其反事实轨迹的真实性与覆盖范围受生成模型能力限制。虽然专家人工验证保证了样本质量，但大规模扩展成本高，难以覆盖极端罕见场景；这可能导致 Latent Evaluator 在某些分布外状态下给出不准确的风险估计，影响 Roll/Stop 决策的鲁棒性。
• **Rollout Gate 中的计算成本权重 λ 是关键超参数**，论文虽分析了 λ 的影响，但在不同算力预算或部署场景下需要重新调参，缺少自适应调节机制。此外，RISE 在推理时额外引入 Latent Evaluator 与 Rollout Gate 的在线计算，对简单场景可能产生不必要的延迟，论文未讨论在严格实时约束下的实现优化。
• **实验主要在 NAVSIM 和 nuScenes 两个自动驾驶规划基准上开展**，均为仿真或记录数据，缺少真实车辆闭环验证。跨 WAM 架构的迁移结果显示了初步通用性，但未涉及更广泛的任务（如机器人操作、具身智能），自适应想象机制在其他控制领域的适用性尚待检验。