世界模型的推演步长,该按误差容差倒推多少毫秒
02 具身智能
世界模型的推演步长,该按误差容差倒推多少毫秒
导读:单步预测误差 0.9%,决策频率 20 赫兹,状态误差按每秒 3 的速率放大,11.4 步后就撞上 5% 的可用上限,折成时间是 0.57 秒。把单步误差减半只把这个步数推到 16 步,可用时长变成 0.80 秒。真正决定这段时长的不是推理频率,也不是模型参数量。
一句话答案 可用预测时长等于误差上限与单步误差之比取对数、再除以误差增长率;20 赫兹下 0.9% 的单步误差只够 0.57 秒,决策频率翻倍,这个秒数一点不变。
误差是按指数长的
世界模型(World Model)是指用神经网络预测执行动作之后的状态或观测、让策略在想象里试错的模型。它给策略提供的是一个可以反复试错的内部环境,代价是每一步都带预测误差。
误差的传递不是加法。两条相邻轨迹的偏差按李雅普诺夫指数放大,写成式子是指数:
e(t) = e1 × exp(λt)
e1 是单步预测误差,λ 是误差增长率,单位是每秒。给一个允许误差上限 emax,可用预测时长就是
T = ln(emax / e1) / λ
这个式子里没有推理频率,也没有模型参数量。它只认两件事:单步有多准,误差长得多快。
λ 不用理论推,可以测。同一条轨迹跑 20 次,每次给 0.1% 的初始扰动,看 100 毫秒、200 毫秒、400 毫秒后轨迹两两之间的距离,按 ln(距离比) 对时间做拟合,斜率就是 λ。桌面抓取任务的实测值落在每秒 2 到 4 之间,接触段会跳到 8 以上。
11.4 步是这么算出来的
按公开参数测算。一台 1 米工作半径的抓取任务,单步预测的位置误差 0.9%,折成距离是 9 毫米;抓取容差 5%,也就是 5 厘米;接近段的误差增长率取每秒 3。
T = ln(5 / 0.9) / 3 = 0.572 秒
20 赫兹决策,每步 50 毫秒,0.572 秒对应 11.4 步。策略想推 16 步,尾部的 4.6 步已经在容差之外,那几步给出的动作不能直接执行。
把单步误差减半到 0.45%,T 变成 0.80 秒,步数 16。模型参数量翻三倍、训练数据翻一倍,换来的可用时长是 0.23 秒。
决策频率翻倍,秒数一点没变
把决策频率从 20 赫兹提到 40 赫兹,每步 25 毫秒,步数按上式变成 22.9 步,可用时长还是 0.572 秒。
步数变多了,每步变短了,乘积不变。因为上限由误差增长率定,跟观测有多密没有关系。观测密一点,只是把同一条发散轨迹切得更细。
频率带来的是另一件事:观测能把误差重置。每次用真实观测替换预测状态,误差回到 e1。重规划周期 500 毫秒,一个周期里误差长到 exp(1.5) 倍,也就是 4.5 倍;周期压到 100 毫秒,只长到 1.35 倍。
参数量换来的误差只有这么多
模型做大对单步误差的改善是递减的。3 亿参数做到 0.9%,10 亿参数做到 0.63%,30 亿参数做到 0.52%,再往上收益进入噪声。
按 T = ln(emax/e1)/λ 算,0.9% 对应 0.572 秒,0.63% 对应 0.69 秒,0.52% 对应 0.76 秒。参数量涨十倍,可用时长涨 0.19 秒,而推理延迟从 3 毫秒涨到 15 毫秒,16 步 horizon 要 240 毫秒,装不进 50 毫秒的周期。
截至 2026 年 11 月,公开的端侧世界模型在 20 到 40 赫兹的决策节拍下,horizon 普遍落在 8 到 16 步,正对应这台机器 0.4 到 0.8 秒的可用窗口。
独到分析:精度是线性杠杆,重规划才是指数杠杆
通行说法是世界模型要做得更大、更准、数据更多,好像参数量上去了,机器人就能在想象里规划更久。按 T = ln(emax/e1)/λ 这笔账,精度是线性杠杆,甚至是对数杠杆:单步误差减半,时长只涨 40%,再减半涨 26%。
真正有指数效果的是缩短观测重置的间隔。误差按 e^λt 长,重置周期每缩一半,一个周期内累积的误差就按开方缩。500 毫秒缩到 100 毫秒,误差从 4.5 倍降到 1.35 倍,等效于把可用时长延长了三倍多。
这个判断可以被证伪:把重规划周期从 500 毫秒压到 100 毫秒,如果真机成功率涨幅不到 15%,说明失败不是预测漂移主导,而是接触动力学压根没建进模型里,那时候该改的是模型结构,不是节拍。
还有一点容易被忽略:λ 由任务和接触刚度决定,跟模型无关。换一个更大的模型,λ 一动都不动,这也是精度杠杆越走越窄的原因。
重置一次的代价
重规划不是免费的。每次重置要先用编码器把真实观测压成潜状态,一台 3 亿参数的视觉编码器在边缘算力上要 15 毫秒,这 15 毫秒里机器人还在动。
500 毫秒周期,编码开销占 3%;200 毫秒占 7.5%;100 毫秒占 15%;50 毫秒占 30%。开销随频率线性涨,收益按指数涨,两条线在 100 毫秒附近交叉。
100 毫秒以内继续缩周期,编码与通信的抖动开始主导,实测的动作时间戳散度会超过周期本身。
失效场景:接触那一瞬间 λ 跳了八倍
一台桌面抓取样机在仿真里成功率 82%,搬到真机只剩 41%,失败几乎都发生在指尖碰到工件的 100 毫秒内。
原因是误差增长率不是一个常数。自由空间里 λ 约等于 1,碰撞与摩擦进来之后,同样的状态偏差会被接触刚度放大,λ 跳到 8。单步误差还是 0.9%,可用步数从 11.4 步掉到 4.3 步,20 赫兹下只有 0.21 秒。
处置是分段。接触检测(腕部力传感器超过 2 牛,或者关节电流突变超过 15%)一触发,horizon 从 16 步切到 4 步,同时把控制权交给阻抗环,世界模型只用来预测接触后的位形,不再预测力。
图 1 预测轨迹相对真值轨迹的发散,浅色带为 5% 容差带,两者间距即累积误差(自行绘制,为原理示意,非原文原图复制)
不同增长率下的可用步数
|
场景(误差增长率,每秒) |
单步误差 |
可用步数(20 赫兹) |
可用时长 |
可用步数(40 赫兹) |
判据 |
|
自由空间运动(1) |
0.9% |
34 |
1.72 秒 |
68 |
可推 32 步,够一段轨迹 |
|
抓取接近(3) |
0.9% |
11.4 |
0.57 秒 |
22.9 |
推 8 步,滚动重规划 |
|
接触瞬间(8) |
0.9% |
4.3 |
0.21 秒 |
8.6 |
只能推 4 步,交给阻抗环 |
|
抓取接近(3) |
0.45% |
16 |
0.80 秒 |
32 |
模型大一倍只多 0.23 秒 |
|
接触瞬间(8) |
0.45% |
6 |
0.30 秒 |
12 |
接触段仍不够,必须切段 |
表注:口径为 1 米工作半径、允许位置误差 5%(5 厘米);单步误差按预测状态与真值的位置偏差占工作半径的比例计;可用步数 = ln(5%/单步误差)/增长率/决策周期,表中四舍五入到 0.1 步。
图 2 误差随预测时长增长的三条曲线,横轴为预测时长,纵轴为位置误差占工作半径的比例(自行绘制,据公开参数按指数发散模型计算重绘,非原文原图复制)
按约束走一遍选型
按以下约束走一遍选型:1 米工作半径、抓取容差 5 厘米、策略频率 20 赫兹、边缘算力 275 TOPS(int8)、内存 32 GB、整机功耗不超过 60 瓦、单台算力成本不超过 2 万元。
候选三个。A 是 3 亿参数模型配 8 步 horizon,单步 3 毫秒,一次规划 24 毫秒。B 是 10 亿参数模型配 16 步 horizon,单步 8 毫秒,一次规划 128 毫秒。C 是 70 亿参数模型放云端,往返 300 毫秒,horizon 16 步。
逐项对比,C 的延迟是决策周期的六倍,接触段完全不可用,出局。B 的 128 毫秒超过 50 毫秒周期,只能异步执行,实际动作滞后一个多周期,在接近段等于把误差增长率又抬高一次。A 的 24 毫秒装得进 50 毫秒周期,8 步对应 0.4 秒,小于接近段 0.57 秒的上限。
选定 A,配一套分段 horizon。接近段跑 8 步,接触触发后切 4 步并交给阻抗环,此时 4 步对应 0.2 秒,正好压在 0.21 秒的上限内。代价是两个:3 亿参数模型的单步误差做不到 0.45%,实测在 0.9% 附近,接近段没有余量;以及分段切换本身要 20 到 30 毫秒,切换瞬间的控制权交接要单独测。
if-then 判据:如果任务里接触段的误差增长率超过每秒 5,就把 horizon 压到 4 步以内并让阻抗环接管,代价是模型只负责位形不负责力;如果全程 λ 低于 2,直接用 16 步 horizon,省掉分段逻辑。
一句话 世界模型的 horizon 该按误差增长率算,不是按参数量算,重规划周期缩一半比模型大一倍更管用。
文献依据:以下开放获取文献为本文的机理与参数来源,正文的表格、算式、案例与配图均为独立完成。
文献标题:When to Trust Your Model: Model-Based Policy Optimization
作者:Michael Janner、Justin Fu、Marvin Zhang、Sergey Levine
期刊卷期:arXiv 预印本,2019,arXiv:1906.08253(NeurIPS 2019)
DOI:arXiv:1906.08253(开放获取)
第二来源:Mastering Diverse Domains through World Models,Danijar Hafner、Jurgis Pasukonis、Jimmy Ba、Timothy Lillicrap,arXiv 预印本,2023,arXiv:2301.04104(开放获取)
配图说明:两张配图均自行绘制,为原理示意或据公开数据重绘,非原文原图复制;图 2 的曲线按 e(t)=e1·exp(λt)、e1=0.9% 计算。
改动声明:基于开放获取文献的独立解读,标题、结构、行文、表格、案例与配图为原创。
来源:21ic电子网





