# AnisoWM各向异性世界模型

该工作指出各向同性高斯正则（SIGReg）会让潜空间欧氏规划代价与任务代价排序不一致，提出 AnisoWM 与 ΛReg：在固定迹与各向异性约束下学习对角协方差目标，仅改变训练期正则、保留原预测目标与欧氏规划器，并在 TwoRoom、Reacher、PushT、Cube 四个视觉控制环境中规划成功率均高于 LeWM，潜代价与任务结果的排序一致性也更好。

该工作指出各向同性高斯正则（SIGReg）会让潜空间欧氏规划代价与任务代价排序不一致，提出 AnisoWM 与 ΛReg：在固定迹与各向异性约束下学习对角协方差目标，仅改变训练期正则、保留原预测目标与欧氏规划器，并在 TwoRoom、Reacher、PushT、Cube 四个视觉控制环境中规划成功率均高于 LeWM，潜代价与任务结果的排序一致性也更好。