# 目标条件规划

预训练潜世界模型在测试时通常保持冻结，分布偏移会让基于它的规划变差；只按预测损失在线更新，模型只拟合自己已执行动作的结果，对能到达目标的动作仍可能判断错误。OpTTA在预测损失之外加入规划器对候选想象轨迹的目标到达代价，让适应偏向“乐观”的模型参数。在三个JEPA世界模型、15个视觉与环境偏移设置上，只适应预测器时OpTTA相对冻结模型的最终成功率平均提高13.5个百分点，预测-only的AdaJEPA为6.9个百分点；同时适应编码器时为13.5对7.5个百分点。

预训练潜世界模型在测试时通常保持冻结，分布偏移会让基于它的规划变差；只按预测损失在线更新，模型只拟合自己已执行动作的结果，对能到达目标的动作仍可能判断错误。OpTTA在预测损失之外加入规划器对候选想象轨迹的目标到达代价，让适应偏向“乐观”的模型参数。在三个JEPA世界模型、15个视觉与环境偏移设置上，只适应预测器时OpTTA相对冻结模型的最终成功率平均提高13.5个百分点，预测-only的AdaJEPA为6.9个百分点；同时适应编码器时为13.5对7.5个百分点。

作者提出 ATLAS 训练目标，将编码器均值池化 patch 特征的归一化成对结构迁移到规划潜变量，并用基于一维 Wasserstein-2 传输的 WEMReg 校准其边缘分布，在 LeWM 上实例化后在 PushT、TwoRoom 与 OGBench-Cube 的低与高新颖度子集上均提升平均目标达成成功率，其中 TwoRoom 高新颖度回合增益最大，同时诊断显示规划潜变量中与新颖度相关的结构更强、边缘校准更好、多步预测误差更低。

作者提出 ATLAS 训练目标，将编码器均值池化 patch 特征的归一化成对结构迁移到规划潜变量，并用基于一维 Wasserstein-2 传输的 WEMReg 校准其边缘分布，在 LeWM 上实例化后在 PushT、TwoRoom 与 OGBench-Cube 的低与高新颖度子集上均提升平均目标达成成功率，其中 TwoRoom 高新颖度回合增益最大，同时诊断显示规划潜变量中与新颖度相关的结构更强、边缘校准更好、多步预测误差更低。