世界模型从零讲起(三十九):同一套解释,为什么有时算得对、有时算不对——属性声明与世界状态的边界

17373 字
87 分钟
世界模型从零讲起(三十九):同一套解释,为什么有时算得对、有时算不对——属性声明与世界状态的边界

从上一篇接上:解释树长出来了,参数从哪来

上一篇把「手里这是什么」写成了假说上的混合信念:离散的假说权重 wt(o)w_t(o) 决定「按哪套解释去预测」,每个假说的参数后验 p(θo∣o,y1:t)p(\theta_o\mid o, y_{1:t}) 决定「这套解释的具体数值大概是多少」。解释树会扩张、合并、分裂,权重会随证据改写,树上的每个节点都挂着一组参数。

但那一篇留下了一个没有回答的问题:节点上的参数到底从哪里来,又该以什么身份进入世界模型。是像位姿一样每一步都被估计、被更新的状态变量,还是像密度一样被预先写下来、平时不动的常量?一个「纸箱」假说,质量有 0.4 kg 到 3 kg 的区间,摩擦系数在 0.3 到 0.6 之间,刚度可能只是一个粗略的「软/硬」标签——这些量在预测时都要用到,可是它们未必都能被实时估出来,也未必需要被实时估出来。

这个问题在多数世界模型论文里被跳过。常见的写法是:给一批属性取个数值,然后开始预测。至于这些数值是「状态」还是「先验」、是「每步更新」还是「整段固定」、错了会怎样,论文不提。而在真实系统里,恰恰是这一步决定了同一个模型「有时准、有时不准」:预测偏差和数值错误的来源,往往不在动力学结构,而在属性进入模型的方式。

这一篇讨论的就是属性进入世界模型的方式,以及围绕它的一套工程规范——属性声明(property declaration)。它不是一个新的网络结构,而是一层把「世界状态的边界」写清楚的约定:哪些量属于状态、哪些量不属于、不属于的量由谁在什么时刻、以什么精度求值,以及声明与事实冲突时系统该怎么察觉。

先定位它在系列中的位置。(一) 给出了 POMDP 形式化与潜空间动力学;(十二) 的几何式世界模型里,场景本身由一张带属性的地图承载;(二十三) 讨论了身体模型与本体感受,其中「身体属性」是属性声明最典型的一个场景;(三十七) 与 (三十八) 把信念推进到了接触事件和物体解释。这一篇把镜头对到更细的一层:信念里那些「看起来是常量」的参数。

问题定义:一个数放进模型,和它是不是状态是两回事

一个具体的翻车场景

先看一个具体场景,把问题摆到台面上。一台机械臂要把一摞零件逐个搬到料盒里。零件同型号,外表一致。系统里有一个简单的属性表:零件质量 m=0.12m=0.12 kg,摩擦系数 μ=0.35\mu=0.35,质心在几何中心。机械臂用这张表做起动力学预测,规划夹持力与搬运速度。前二十个零件一切正常。第二十一个零件被搬起来时,夹爪打滑,零件从半空掉落。

事后分析:那个零件内部有一块配重,质量是 0.18 kg,并且因为配重位置偏心,质心偏离几何中心约 8 mm。夹爪力按 0.12 kg 规划,多出来的 50% 重量让所需静摩擦力超过夹爪能提供的上限;质心偏移让零件在提起瞬间产生额外力矩,夹爪一侧的接触面先失去压力。世界模型从头到尾没有报错——它按属性表预测的一切都「自洽」,只是与事实不符。

这个场景的典型之处在于:出错的那一步在链路里完全没有异常。传感器没有报故障,控制器没有饱和,动力学方程没有发散。唯一的问题是一个常量进模型时就是错的,而且系统里没有任何机制知道它错了。

把这个例子算一遍

把数字代进去,能看清「为什么前二十次没出事」。夹爪要提起零件,靠的是两侧接触面上的静摩擦:需要的法向力满足 N≥mg/μN \ge mg/\mu。按属性表,m=0.12m=0.12 kg、μ=0.35\mu=0.35、g=9.81g=9.81 m/s²,于是

Nspec=0.12×9.810.35≈3.36 NN_{\text{spec}} = \frac{0.12 \times 9.81}{0.35} \approx 3.36\ \text{N}

假设这只夹爪在当前气压下最大能提供 4.2 N 的单侧法向力,规划器留了约 25% 的余量,看起来是安全的。真实零件是 0.18 kg,需要的法向力变成

Nreal=0.18×9.810.35≈5.05 NN_{\text{real}} = \frac{0.18 \times 9.81}{0.35} \approx 5.05\ \text{N}

超过了 4.2 N 的上限,静摩擦条件不成立,零件开始下滑。注意这个结论与「夹爪是否故障」无关:夹爪确实按指令给出了 4.2 N,控制器也确实执行了,出错的只是 0.12 这个数。

质心偏移是第二条独立的失效路径。配重让质心偏离几何中心 d=8d=8 mm,提起瞬间产生绕夹持轴的力矩 τ=mgd≈0.18×9.81×0.008≈0.014\tau = mgd \approx 0.18 \times 9.81 \times 0.008 \approx 0.014 N·m。若两侧接触点在竖直方向相距 2h=42h=4 cm,力矩靠两侧法向力的差来平衡,每侧要多承担

ΔN=τ2h≈0.0140.04≈0.35 N\Delta N = \frac{\tau}{2h} \approx \frac{0.014}{0.04} \approx 0.35\ \text{N}

一侧的压力因此被抬高、另一侧被压低。被压低的那一侧先接近脱离,实际可用的摩擦上限比按总量算的还要低。两个误差叠在一起,前二十次没有触发是因为那些零件确实是规格件,第二十一次恰好是那只带配重的零件。

从「事前能不能发现」的角度看,这两条路径都留下了可观测的痕迹:滑移会让实际加速度与按 0.12 kg 预测的加速度产生系统性偏差;质心偏移会让两侧力矩传感器的读数出现持续的不对称。问题在于系统里没有任何模块把这两个残差与「质量声明可能错了」联系起来。

属性的四种身份

把上面的例子抽象出来,一个进入世界模型的量,按「它从哪来、变化多快、被谁观测到」可以分成四种身份。

  • 状态量:每步都在变,可以被观测或部分观测,由滤波器或潜空间先验估计。关节角、末端速度、物体位姿属于这一类。
  • 慢变量:变化慢但确实会变,通常不由连续观测直接测得,而是由事件或探测触发更新。物体质量在任务过程中不变,但换了一个物体就得换;容器里的液面高度在倾倒过程中变化。
  • 常量先验:在整段任务里视为不变,是模型的一部分,不参与状态估计。重力加速度、零件材料密度、典型摩擦力。
  • 导出量:不是独立参数,而是由上面三类通过某个函数算出来的量。惯量张量、质心位置、最大静摩擦力、达到稳态所需的时间常数,都属于这一类。

四种身份的处理方式完全不同:状态量要写进滤波器的向量,慢变量要有触发更新的机制,常量先验要写进配置文件并标注来源,导出量则应该作为函数而不是数值来维护。工程上的错误,绝大多数是身份被搞混:慢变量被当成常量先验,导致换物体后仍然按旧的参数预测;导出量被缓存成常量,导致上游参数更新后下游没有重算;本该作为状态量的一部分被估计的量,被写成了一个固定数。上面那个零件掉落场景,是「慢变量被当成常量先验」。

下表把四种身份的处理方式列清楚,后面各节围绕它展开。

身份典型量变化频率由谁更新写进哪里写错后的典型现象
状态量关节角、末端位姿、速度每步滤波器/潜空间先验状态向量跟踪漂移、预测步内失真
慢变量物体质量、容器液面、夹具开度事件驱动探测、识别、事件检测解释树节点参数后验换物体后仍按旧参数预测
常量先验重力、密度、典型摩擦不变人工配置配置文件单一场景可用,换场景失效
导出量惯量、质心、最大静摩擦随上游变化函数调用不缓存上游变了下游不重算,误差累积

这张表本身就是属性声明的骨架:右下两列是声明里必须写、而论文里几乎从不写的字段。

为什么边界总被模糊掉

一个自然的回应是:为什么不把所有属性都放进状态里直接估计?这样就没有边界问题了。这个想法在实践中会失败,原因有三个。

第一是可观测性。质量、摩擦系数、刚度不是「能被一步测到」的量:单步观测里,力与加速度的比值能约束一部分信息,但多个参数之间存在耦合——同样的观测序列可以由「质量大、摩擦小」或「质量小、摩擦大」解释。在观测有限的条件下,把这些量全部放进状态估计,得到的是高方差、强相关的后验,预测误差反而更大。前面 (三十) 讨论过的不确定性传播在这里再次出现:把估计不准的量当成状态,就等于把参数不确定性转成状态不确定性,并且它会在 rollout 里被放大。

第二是成本。把每个物体的每个属性都当作状态估计对象,意味着要额外维护状态向量长度,要额外收集用于约束它们的观测,要额外在推理端跑更贵的滤波。对一个每秒要规划几十次的系统来说,这条开销常常没有收益:很多属性在整段任务里根本不会变,估它只是白花钱。

第三是常识的存在。大量属性有众所周知的默认值——重力加速度、水的密度、常见材料的摩擦系数——这些值写成常量先验几乎总是对的。把它们当成待估变量,反而把本来可靠的信息变成了不确定的后验。

所以边界必须存在。问题不在于「要不要划边界」,而在于边界要划在哪里、边界上的量要怎么交代清楚。属性声明就是这件事的产物:它把每个量放在某一格身份里,同时记录这个身份的来源与置信口径,让系统里的其他模块能按同一套约定去使用它。

属性声明的形式:一个属性该交代哪几件事

声明字段

一个属性声明至少包含六项。缺任何一项,下游都可能误用。

  1. 身份:上面四种身份之一。
  2. 数值与单位:值本身,以及它的量纲。缺单位是后面「单位量纲丢失」那条失效机制的直接来源。
  3. 值域:允许的取值范围。范围过窄会在真实物体超出时静默截断,范围过宽会让预测的方差大到没有信息量。
  4. 来源与置信口径:这个值是从哪里来的——人工配置、产品规格、探测估计、识别模块输出。不同来源有不同的可信度,且这个可信度不能因为「进了模型」就被抹平。
  5. 生效范围:对哪些对象、哪些时段生效。一个「夹爪最大闭合半径」的声明只对当前夹具成立;一个「容器液面」的声明只在倾倒阶段有效。
  6. 依赖关系:如果是导出量,它依赖哪些上游属性;如果是慢变量,它由哪个事件触发重估。

写成结构化格式,一个物体的声明大致如下。这里用 YAML 示意,实际系统可以放在配置文件、数据库或解释树节点上。

object: part_A
properties:
mass:
identity: slow_variable
unit: kg
value: 0.12
range: [0.05, 0.40]
source: product_spec
confidence: 0.7
scope: {objects: [part_A], periods: [whole_task]}
retrigger: [object_swap, probe_weigh]
mu_static:
identity: constant_prior
unit: "1"
value: 0.35
range: [0.10, 0.80]
source: material_table
scope: {objects: [metal_parts], periods: [whole_task]}
mu_max:
identity: derived
unit: N
value_fn: mu_static * normal_force_at(contact)
depends_on: [mu_static, gripper.max_force, contact.normal_force]
source: derived_from_upstream
confidence: 0.6 # 上游置信经传播函数算出的缓存值
com_offset:
identity: slow_variable
unit: m
value: [0, 0, 0]
range: {x: [-0.02, 0.02], y: [-0.02, 0.02], z: [-0.02, 0.02]}
source: geometry_assumption
confidence: 0.4
retrigger: [object_swap, inertial_probe]

下面这张图给出了一个同类问题的实际处理方式。PhysGS(2025 年,arXiv 工作)从多视角图像出发,先用 SAM 把物体切成部件,再让视觉语言模型对每个部件给出材料、密度与置信度三样东西,最后用贝叶斯推断把「先验的材料表」与「视觉模型的估计」合起来,并显式输出不确定性。

PhysGS 的流程:多视角图像经 SAM 分割后由 VLM 给出材料、密度与置信,再做贝叶斯推断与不确定性量化

图中左侧是多视角图像与 SAM 的分割结果;中间是提示词模板,要求 VLM 对每个部件同时输出材料、密度和置信百分比(图中的示例是「木质床架 700 kg/m³,85%」);右侧是 3DGS 重建之后的贝叶斯推断,最终给出逐部件的属性估计与不确定性。这件事与属性声明的关系在于:它的输出形式恰好就是声明里的「值 + 来源 + 置信」三元组——VLM 是来源,置信分数是口径,材料表是先验。图源:PhysGS: Bayesian-Inferred Gaussian Splatting for Physical Property Estimation(arXiv:2511.18570)图 2。

导出量的 source 写作 derived_from_upstream,confidence 只是上游置信经传播函数算出的缓存值,真正使用时仍应调用传播函数。注意 confidence 字段与 source 字段是分开的:来源说明「怎么来的」,置信说明「有多可信」。一个来自产品规格的值,置信可以很高;一个来自几何假设(「假定质心在几何中心」)的值,置信应该明显偏低。后面的失效分析会说明,低置信的声明恰恰是最需要被检测的,而它们最容易被写进配置文件后就被遗忘。

声明的三条不变量

形式之外,有三条不变量必须成立,否则声明会变成一层好看的文档而不是一个工作规范。

第一,任何进入模型的数都必须能追溯到一个声明。 不允许在某个函数里出现裸常量:模型代码里直接写 mass = 0.12,会绕过所有声明与检查。工程上常用的做法是让模型只读声明对象,不读数值本身。

第二,导出量不缓存。 导出量应实现为函数,调用时根据当前上游值计算。缓存导出量在调试时很快、在上游更新时埋雷。如果必须缓存(例如为了性能),缓存键必须包含所有上游的版本号。

第三,声明的生效范围要显式检查。 当对象、时段离开声明的适用范围时,系统应当切换到对应的声明,或者在找不到匹配声明时拒绝预测并上报,而不是沿用上一条声明。很多「换了物体后仍然按旧参数预测」的事故,根因就是范围检查缺失或写错。

一份声明要回答的六个问题

换一种写法,可以把上面的六项字段重新组织成六个必须回答的问题。任何一条答不上来,声明就不完整。

问题对应字段答不上来时的后果
这个量是什么身份identity不知道该不该更新,最常见的是慢变量被写死
它的合法取值在哪range越界时静默截断,或预测方差失控
它的量纲是什么unit单位错配被模型吸收,表现为稳定的比例误差
这个值从哪来、有多可信source、confidence把低置信假设当真值,规划器按乐观情况给动作
它在哪里有效scope换对象或换阶段后仍沿用旧值
它跟着谁变、由谁触发重算depends_on、retrigger导出量过期、该更新的量永不更新

六个问题里,后两行涉及的三个字段在实际工程中最容易被省略,因为它们需要跨模块协调:scope 要由调度层检查,retrigger 要有事件层提供生产者,depends_on 要由缓存层落实版本键。只在模型文件里写死一个数,这三项都不需要协调——这正是「裸常量」如此流行的原因。

三条不变量在系统边界上的落点

三条不变量都要求跨模块配合,因此需要一个明确的边界。

无裸常量的边界是模型的输入接口。任何一段动力学代码只能拿到一个 PropertyView,它提供按名字查询的能力,内部只读 Registry。代码评审时可以按「是否出现数字字面量」来做简单检查:物理计算部分出现 0.12 这样的字面量,一律视为违规。少数例外(例如公式里的 2、0.5 这类无量纲系数)应当在声明文件里显式登记。

导出量不缓存的边界是读取路径。derived 属性只在 resolve 时计算,任何试图把它存入状态向量、或预先算好放进消息队列的地方,都是一个潜在的过期点。缓存层若存在,必须把上游所有 version 拼成键;版本号一旦变化,旧的缓存条目自动失效。

范围检查的边界是预测入口。规划器发出一次预测请求前,必须先回答「这次请求涉及哪些对象、处于哪个阶段」,再由 Registry 检查每条被引用声明是否覆盖这一组合。不覆盖时有两种合法策略:阻止预测并上报,或切换到一条被标记为「保守默认」的声明——但绝不能静默沿用上一条声明。

一个真实的先验到后验的例子

可以直接拿一项现成工作来看。PhysGS(2025 年,arXiv 工作)把材料先验、视觉语言模型的估计与贝叶斯更新串成一条链:对同一块部件,先验是材料表给出的密度分布,观测来自 VLM 给出的材料标签与密度预测,两者合成之后既能得到逐点的属性值,也能得到一张不确定性场。

先验、似然与后验曲线:物理属性的密度估计随观测被收窄

图中上半部分是室内物体的逐点属性预测(例如质量),下半部分是同一套推断在户外场景上的输出,每种材料对应一张不确定性场;图中的小图给出先验、似然与后验三条曲线的关系——先验是材料表给出的宽分布,似然由当次观测给出,二者相乘并归一化之后成为后验。与属性声明对照,先验的「身份」是常量先验加上类别条件,后验的「身份」是慢变量,而似然恰恰来自声明里 source 字段所指示的那条证据通道。图源:PhysGS: Bayesian-Inferred Gaussian Splatting for Physical Property Estimation(arXiv:2511.18570)图 1。

声明与信念的关系

上一篇的解释树节点上挂着参数后验 p(θo∣o,y1:t)p(\theta_o \mid o, y_{1:t})。属性声明与这个后验不是相互替代的关系,而是两个不同层次的东西:声明说明 θo\theta_o 里的每个分量应当按什么身份对待,后验是在这个身份约定下算出来的具体分布。

  • 对身份为状态量的属性,后验就是滤波器的输出,随每一步更新。
  • 对身份为慢变量的属性,后验平时不动,只在触发事件后重新计算——重算时使用新的观测,并把旧后验只作为弱先验。
  • 对身份为常量先验的属性,后验就是一个点质量分布,位置由声明给出;它不应该被观测更新,否则一个来自视觉的粗糙估计可能轻易把可靠常识带偏。
  • 对身份为导出量的属性,本身没有独立后验,它的分布由依赖项的后验通过函数传播得到。这一点实现上容易被忽略:导出量明明依赖一个高方差的慢变量,却被当成点值使用。

把这些关系写下来之后,「声明」就不再是一份文档,而是信念更新时的调度规则:它决定哪些分量参与更新、哪些不参与、哪些必须从函数重算。

慢变量与常量先验的分界线

什么算慢:从预测影响的视角判断

「变化慢」是一个含糊的标准。判断一个量该归为慢变量还是常量先验,不应看它「平时变化的频率」,而应看它变化之后预测误差会变成什么样。可以用一个简单的判据:

∣ ΔθΦ ∣≫σmodel\big|\,\Delta_\theta \Phi\,\big| \gg \sigma_{\text{model}}

其中 Φ\Phi 是关心阶段的预测输出,ΔθΦ\Delta_\theta \Phi 是属性 θ\theta 变化一定幅度后预测输出的改变量,σmodel\sigma_{\text{model}} 是模型本身的预测噪声。左边远大于右边,说明这个属性的变化会主导误差,必须按慢变量处理;变化幅度对输出的影响与噪声同量级,说明它按常量先验处理也不会显著失真。

这个判据解释了为什么「物体质量」在搬运场景里必须是慢变量,而在某些碰撞检测场景里可以被粗略当常量:搬运的预测输出(夹持力、搬运轨迹)对质量非常敏感,碰撞检测的预测输出(是否接触、接触顺序)对质量的敏感度低得多。同一个量,在不同任务里可以有不同的身份,声明应当与任务上下文绑定,而不是与物体绑定。

慢变量的重估触发

慢变量不参与逐步更新,就必须有一套触发重估的机制,否则它永远不会改变。触发信号通常有三类。

第一类是显式探测。主动称重、主动翻转看质心偏移、夹持时读取稳态力矩。这些信号最直接、最可靠,代价是耗时与风险。(二十九) 讨论的主动感知框架正好可以套用:给探测定价,只在该属性对当前预测误差的贡献最大时才触发。

第二类是事件推断。物体被替换、容器被打开、夹具被更换,这些事件会经由视觉或本体感受被检测到。事件一旦发生,该物体对应的所有慢变量后验都应当重置为「由声明给出先验、由后续观测更新」的状态。

第三类是残差监视。持续比较预测力矩与实测力矩、预测轨迹与实测轨迹,当残差统计量出现持续偏差时,推断某个属性可能已经改变,触发对该属性的轻量探测或重估。这一类最容易被忽略,因为残差偏差起初很小,常常被归为「噪声」。

上面两类有现成系统可以参考,第三类则要靠自己算。不过「先验会在后验中留下痕迹」这件事有直接的实验证据。You’ve Got to Feel It to Believe It(2024 年,arXiv 工作)把语义分类与物理属性估计放进同一张语义地图,并对同一扇门的开门力做了六次连续试验:每次把上一次的后验当作下一次的先验,再执行一次开门动作。开门力对推、拉两个方向都成立,先验因此在两处各有一个峰;每多一次试验,后验就在实测值附近收窄一分。

六次序贯试验中开门力先验与后验的变化:后验如何随试验逐步收窄

图中每一行是一次试验的力直方图,虚线是先验、实线是后验,横轴是开门力(牛顿)。随着六次试验依次进行,后验逐步收窄并集中到真实开门力附近;由于开门力对推、拉两个方向都成立,先验本身是多峰的,单次试验只能更新其中一个峰附近的质量。这类属性恰好说明为什么慢变量需要「触发重估」:如果没有新的试验,后验就会停在第一次的结论上,而这在任务里很常见——机器人只推一次门,之后就不再检查。图源:You’ve Got to Feel It to Believe It(arXiv:2402.05872)图 9。

残差监视的一个具体例子

把第三类触发放到一个可计算的例子里。系统里维护两个量:第 tt 步预测的物体加速度 a^t\hat a_t 与实测加速度 ata_t。残差 rt=at−a^tr_t = a_t - \hat a_t。在质量假设正确时,rtr_t 只反映模型误差与传感器噪声,应当是零均值、方差大致稳定的随机序列。质量假设偏小时,a^t\hat a_t 会系统性偏大——因为按较小的质量推断同样的力会产生更大的加速度——于是残差序列出现负偏置。

用滑动窗口的均值与标准差可以做出一个简化的检测量:

zt=rˉt−w:tσ^r/ ⁣wz_t = \frac{\bar r_{t-w:t}}{\hat\sigma_{r}/\!\sqrt{w}}

其中 rˉt−w:t\bar r_{t-w:t} 是最近 ww 步残差的均值,σ^r\hat\sigma_r 是残差标准差,分母是均值的标准误。ztz_t 显著偏离 0 就提示某个属性发生了变化。检测到之后,不一定要立刻重新称重,可以先做一次「属性微调」:把质量后验的均值沿残差方向调整一小步,再看残差是否恢复零均值。这一步的成本很低,常见于在线自适应。

这个简单流程有一个陷阱:残差偏移可能不只是质量引起的。摩擦系数偏小也会让加速度偏大;质心偏移在不同姿态下会产生方向不同的偏差。残差监视只告诉你「有某个属性不对」,不会告诉你「是哪个」。所以它必须与探测结合起来:残差触发之后,要选一个能区分不同属性的探测,而不是直接对最可疑的属性做修改。

耦合的定量刻画

「区分是哪个属性」在数学上就是看残差对各属性的敏感度能否分开。设残差向量 r∈Rmr\in\mathbb{R}^m(可以同时包含加速度残差、力矩残差、滑移量),待重估的属性 u∈Rnu\in\mathbb{R}^n,在小偏差范围内有

r≈J u+ε,J=∂r∂ur \approx J\,u + \varepsilon,\qquad J = \frac{\partial r}{\partial u}

JJ 的第 ii 行、第 kk 列是第 ii 个残差通道对第 kk 个属性的偏导,ε\varepsilon 是噪声。如果 JJ 的两列高度相关——例如「质量偏小」与「摩擦偏小」在所有通道上都产生同方向、同比例的残差——那么这组残差就无法区分二者:任何一组合适的 (um,uμ)(u_m,u_\mu) 都能解释观测。判断标准就是 JJ 的条件数:条件数接近 1 时各属性可分;条件数很大时,观测只能确定几个组合方向,单凭残差不能把属性逐个定下来。

这个视角给出一条实用的设计规则:残差通道要选得让 JJ 尽量「铺开」。只测加速度,质量与摩擦共线、无法分离;同时测滑移量,质量偏大与摩擦偏小会让滑移量朝相反方向变,两列就不再共线。这也是为什么真实的探测设计常常是「一次动作同时读多个传感量」,而不是「一次动作测一个量」。

触发频率与预算

重估不是免费的:每次重估需要执行动作、采集数据、更新后验,有时还要重算导出量并刷新解释树上的节点。把残差监视的检测频率设高,成本线性上升;设低,慢变量的偏差会在一段时间内持续污染预测。

一个可操作的折中是把检测频率与「该属性在当前任务阶段的重要性」挂钩。如果当前阶段的预测对质量不敏感(例如空载运动部分),残差监视可以降到很低的频率,只在进入夹持阶段前做一次强制核对;如果当前阶段的全部预测都依赖该质量,检测频率就要提到每一步。这正是 (三十四) 里那套「按段分配预算」的思想在属性层的一个具体用法。

世界状态的边界:哪些量该被写进去

状态向量的最小原则

世界模型的状态里应该放哪些量,有一句实用的最小原则:放那些必须被逐步跟踪,才能保证预测在若干步之后仍然可用、且无法由其他量廉价推出的量。

按这条原则检查常见的选择,很多本来被放进状态的量都可以移出。惯量张量不必进状态——它由质量与几何形状推出,是导出量;最大静摩擦力不必进状态——它由摩擦系数与法向力推出;物体外观纹理不必进状态——它在任务过程中不变,只是识别输入。真正需要进状态的,是那些变化快、且不可由慢常量廉价推出的量:位姿、速度、关节角、接触状态。

这条原则的收益是可算的。状态向量每多一个分量,滤波器成本、潜空间表示的维度、KV 缓存里保存的状态量都会相应增加。(九) 已经做过一项系统性拆解:状态与缓存是推理成本的主要来源之一。把不该进状态的常量塞进去,等于为一个不变化的量持续支付推理成本。

边界上的量:从状态移到声明的动作

把量从状态里移出去,要有一个正式的落脚点,否则它会以「裸常量」的形式出现在模型代码里。属性声明就是这个落脚点。一次从状态到声明的迁移通常包含三步:

  1. 在声明里为该量新建条目,标出身份、值域、来源、置信。
  2. 在状态向量里删去该分量,并检查所有读取它的地方已改为读声明或调用导出函数。
  3. 加入一致性检查:如果该量在历史数据里曾表现出显著变化,要确认新的触发机制(事件或探测)能够覆盖这种变化。

第三步容易被省略,而它恰恰是最关键的。一个量「看起来不变」,常常只是因为观察窗口太短、物体类型太少。把它移出状态且没有触发机制,等于把一个曾经被可靠估计的量换成了一个永远不更新的假设。

边界的两种错误

划边界时有两种错误,性质不同。

边界划得太宽:把大量慢变量和常量都放进状态里估计。表现为系统算得慢、后验方差大、不同属性之间强耦合,出现「估质量的时候顺便改了摩擦」这类联动误差。解决方向是回收边界,配合声明。

边界划得太窄:把其实在变化的量当成了常量先验。表现为系统在最初阶段准得惊人,一旦场景稍有变化就出现系统性偏差,而且偏差不会自我纠正。上面零件掉落的例子属于这一类。解决方向是把该量升级为慢变量,并补上触发机制。

工程上,第二种更危险,因为它在日志里没有任何「异常」信号——预测与观测之间的偏差是缓慢累积的,而不是突然出现的。

用「充分性」检查边界

边界划得对不对,可以直接借用潜空间设计研究里的「充分性」(sufficiency)视角:一个世界模型对智能体的价值,完全取决于它构造出的状态——这个状态必须保留一部分信息、丢弃另一部分信息,并支撑一类下游功能。Latent State Design for World Models under Sufficiency Constraints(2026 年,arXiv 工作)把这一思路做成一组判据,下面是它在属性边界上的用法。

状态是否充分。状态充分的意思是,给定当前状态与动作,未来的观测分布在给定更多观测历史之后不再变化。写成信息论的形式,对一个真正需要的量 θ\theta,应当有

I(θ; ot+1:t+H ∣ st,at:t+H)≈0I\big(\theta;\ o_{t+1:t+H}\ \big|\ s_t, a_{t:t+H}\big) \approx 0

左边是「在已知状态与未来动作的条件下,未来观测里还含有多少关于 θ\theta 的信息」。若它显著大于 0,说明状态 sts_t 没有把与 θ\theta 有关的信息装进来,边界划窄了。反过来,若某个状态分量对任意未来观测与任意 θ\theta 的互信息都接近 0,这个分量就是冗余的,边界划宽了。

这个检查不需要精确计算互信息,实践中用它的两个代理量就够:一是「未来观测能否反过来推算出该属性」,可以用一次离线回归来判断;二是「该属性在历史数据里是否出现过显著变化」,可以看它在不同物体、不同阶段上的统计分布。两个代理量都指向「有用且会变」时,该量应当在状态里;只指向「有用但不变」时,该量应当在声明里作为慢变量或常量先验。

声明不一致的失效机制

这一节是整篇的核心:同一个解释(同一个动力学结构、同一套算法),为什么有时算得对、有时算不对。答案可以写成五条失效机制:前三条关于每个属性的身份与口径,后两条关于声明作为一组接口在时间上的行为。五条都发生在声明层,而不是模型层。

失效一:身份错配

身份错配是把慢变量声明的值当成常量先验使用。零件掉落场景就是它:质量声明为 slow_variable,值域覆盖了真实的质量,但系统没有任何触发重估的路径,于是 0.12 kg 被一劳永逸地使用。

处理这个问题,不能靠「多写几次配置」,而要靠结构:声明里 retrigger 字段必须有实际消费者。如果触发列表里的事件类型没有任何检测器上报,系统应该启动时报警,而不是等运行时才发现。

失效二:导出量缓存过期

导出量缓存过期是另一类常见错误。质心偏移、惯量张量、最大静摩擦由上游属性计算而来;当上游的慢变量被探测重估之后,如果下游读的是缓存值,它仍然使用旧值。

一个真实的变体是「混合缓存」:部分导出量每步重算,部分导出量按物体缓存。当质量在这一步更新了,每步重算的导出量正确,按物体缓存的惯量张量错误。两个下游模块读到的物理量互相矛盾,而各自的预测看起来都还算合理,只有组合起来才会出现异常——例如单步运动预测准确,但多步轨迹在大力矩阶段偏出。

这里有一个可以量化的判断:导出量的过期误差,随时间积分。令导出量 gg 在 t0t_0 时刻的真实值为 g(t0)g(t_0),缓存值为 g^\hat g 且不再更新,下游某预测输出对 gg 的敏感度为 κ\kappa,那么从 t0t_0 到 t1t_1 这段的累计预测偏差大致为

∫t0t1κ ∣ g(t)−g^ ∣ dt\int_{t_0}^{t_1} \kappa\,\big|\,g(t) - \hat g\,\big|\,dt

缓存的「节省」是每次调用少算一次导出函数;过期带来的「成本」是上述积分。缓存是否值得,取决于这两项的量级比较,而工程上常见的情况是后者的影响被严重低估。

这条积分还有更严格的形式:如果缓存值 g^\hat g 是在 t0t_0 时的估计,而估计本身带着方差 σg2\sigma_g^2,那么过期误差与估计误差会叠加。设下游输出 y=Φ(s;g)y = \Phi(s; g),则

E[(y−y^)2]≈σΦ2+κ2(σg2+(g(t)−g^)2)\mathbb{E}\big[(y - \hat y)^2\big] \approx \sigma_\Phi^2 + \kappa^2\big(\sigma_g^2 + (g(t)-\hat g)^2\big)

其中 σΦ2\sigma_\Phi^2 是模型本身的噪声,第一项与缓存无关,后两项分别是「估计得不准」与「用了旧值」。这个式子说明两件事:缓存本身的代价不只是「值过期」,还包括「过期之后仍按旧的置信口径使用」;另外若 κ\kappa 很大,即使 σg\sigma_g 不大,过期误差也会被放大到主导。惯量张量在旋转阶段恰好是 κ\kappa 很大的量——角加速度对惯量的敏感度随手臂伸出长度迅速增长。

把系数换一个写法可以直接看出传播路径。若 g=θ1θ2g=\theta_1\theta_2 这类乘积形式的导出量被缓存,∂g/∂θ1=θ2\partial g/\partial\theta_1=\theta_2。上游每更新 10%,若下游输出对该参数敏感,缓存值造成的偏差就以乘积形式累积到 κθ2×10%\kappa\theta_2\times 10\%。导出量缓存的价值在于省去一次计算,但它的成本会沿依赖链逐级累积,进入「预测—观测」的残差,最后表现为「系统哪里都对,就是整体不准」。

失效三:置信口径丢失

第三种失效发生在声明进入模型之后,置信被抹平。声明里明明写了 confidence: 0.4,但模型里把它当成真值使用,规划器按「确定的物理量」计算出动作,安全裕度按「没有不确定性」设定。

这一点与上一篇的「假说间方差应当驱动规划器保守处理」是同一个问题的不同粒度:属性后验的方差,应当参与规划时的风险核算。一个低置信的质心假设,会让轨迹的到达精度与夹持安全性都变得不确定;如果规划器不感知这一点,它就会按乐观假设给出一个「精确」的轨迹。

把置信写进声明但不在模型里使用,是一种更隐蔽的错误:声明看起来规范,实际却只是文档。真正需要做的是让模型能读到置信,并让不确定性的影响进入到下游的风险核算里。

这一条在视觉估计为主的场景里几乎必然出现。PhysGS 的消融给出了一个耐人寻味的结果:去掉贝叶斯推断后,质量估计的 ADE 是 9.728 kg,保留贝叶斯推断后是 9.187 kg,点估计只改善了约 5.6%。也就是说,贝叶斯推断的价值并不主要体现在点估计精度上,而在于它同时输出了一张不确定性场——这张场如果被下游使用,系统就能区分「这块看起来像木材、但置信只有 60%」与「这块是明确的钢材、置信 95%」;如果下游只取均值,那么不确定性等于被计算出来又被扔掉,消融表里那 5.6% 的改善就是全部收益。

冰面穿越演示中摩擦系数的先验与后验:实测之前很宽,实测之后被收窄并向实测值靠拢

再看一个置信真正改变了决策的例子:机器人要判断一片冰面能否通过。图中是三次冰面穿越演示的摩擦系数先验(虚线)与后验(实线),横轴是摩擦系数。实测之前先验很宽,系统对冰面的摩擦没有具体把握;在穿越前做一次摩擦测量之后,后验被收窄并向实测值靠拢,可通行性判断随之改变。差别不在感知模型的精度,而在于旧方法只用了摩擦的点估计,把「这个点估计的后验有多宽」丢掉了。图源:You’ve Got to Feel It to Believe It(arXiv:2402.05872)图 6。

失效四:单位与量纲在传递中丢失

单位错误看起来是低级问题,但在世界模型里它有一个特殊形态:模型会「适应」错误的单位,从而让错误变得不可见。训练数据里质量以克为单位,模型学到的动力学就会带一个隐含的 10−310^{-3} 系数;推理时声明的单位是千克,模型按克来解释,预测的加速度整体缩小一千倍。预测与观测的残差会呈现一个稳定的比例关系,而不是随机误差——这恰好是最容易被人为「调参调掉」的形态:工程师大概率会把动力学增益调大,把错误吸收进另一个参数。

声明里带 unit 字段、并在每个接口边界做显式换算,是唯一可靠的解法。更严格的做法是在类型层面区分量纲:质量、力、力矩各有自己的类型,赋值时不能互换;导出量的函数签名写明输入输出量纲,静态检查就能拦住大部分错误。

失效五:范围漂移

scope 字段声明了「这个值对谁、在什么时候有效」。范围漂移指的是系统在范围之外继续使用它,且没有任何检查。两种典型情形:

第一种是对象漂移。声明写的是 objects: [metal_parts],一个外观像金属的塑料件进来,识别模块把它归到了金属类,于是声明被套用。这里的问题不在声明写错,而在分类是声明生效的前置条件,分类错误会静默地把错误声明套到新对象上。修法是让范围匹配基于可验证的属性,而不是单一的分类标签:材质、尺寸、连接方式至少两个维度同时匹配,才允许套用;不匹配时退回保守的默认声明。

第二种是时段漂移。声明写的是 periods: [transport],但任务中途夹爪重新抓取了一次,物体姿态变了,质心偏移的旧估计仍然有效、质量却可能换了(抓错零件)。时段边界必须由事件而不是计时器定义:换抓、放料、开盖这类事件才是正确的切换点。

范围漂移的检测可以做成覆盖率统计:统计最近一段时间内「有多少次预测落在某条声明的 scope 内」,若存在大量「无声明可用却仍给出了预测」的调用,就说明范围检查被绕过。这个统计比逐条审查更有效,因为它直接反映运行时行为。

声明挂在哪里:物体还是地图格

上面两种漂移都假定声明挂在物体上。很多系统不是这样:属性挂在空间地图的格子上,世界模型从地图里读。这个选择直接改变了 scope 的含义。

挂在地图格上的好处是查询快、与视觉对齐、便于做空间推理;坏处是属性会留在地图上。一个杯子被拿走,它原来占的格子仍然保留着「陶瓷、0.2 kg、摩擦 0.5」的属性,直到有新的观测覆盖它。如果世界模型按位置查询,它会认为那个空位仍有杯子——这不是感知错误,而是声明没有失效机制。修法有两种:给每个格子加时间戳与置信衰减,查询时对过期格子降权;或者在物体移动时显式清除旧格。

语义地图系统的实际做法可以看这张图。同一张桌面,仅用视觉时部分区域没有被赋予正确的材质与摩擦;加入触觉测量之后,那些区域才被补上属性。对世界模型来说,差别就是「这个格子有没有可用的声明」:没有声明的格子必须被当成未知区域,而不是按最近邻或默认材质填充。

视觉与触觉两类证据对语义分类和物理属性的联合估计:场景、真值、仅视觉、视觉加触觉四列对比

图中四列分别是场景、真值、仅用视觉、以及视觉加触觉。仅用视觉时,桌面上没有被识别为木材的部分会缺少摩擦属性;加入触觉之后,同一区域的类别与属性同时被修正。这个例子说明声明里 source 与 confidence 的必要性:两类证据来源不同、置信不同,合成之后才能把「未识别的区域」标成「未知」或补成有属性的地图格,而不是按类别的默认属性硬填。图源:You’ve Got to Feel It to Believe It(arXiv:2402.05872)图 3。

这也给出了「声明挂在哪里」的判断标准:如果任务是空间查询密集的(导航、避障、找物),属性挂地图格更合适,但必须配过期机制;如果任务是物体操作密集的(抓取、装配),属性挂物体实例更合适,但必须配实例追踪。两者都要回答「什么时候这条声明不再适用」,只是失效的触发源不同:前者是格子被新观测覆盖,后者是物体被替换或离开工作区。

五条机制的两个根

这五条机制看起来分散,但可以归到两个结构性原因上。

前三条共享第一个原因:多数世界模型论文把属性当成了「给定」。给定意味着值是确定的、不随时间变化、不需要来源或范围说明。真实系统里,属性是一组有身份、有来源、有置信口径的量。当系统按论文惯例把属性塞进模型,声明层就不存在,于是身份错配、缓存过期、置信丢失都没有地方被检查。换句话说,世界模型本身并不产生这三类错误,它们是被「属性无声明」的组装方式引入的。

后两条共享第二个原因:声明是一组跨越模块的接口,而接口会在调用边界上失效。单位在函数之间传递时没有类型约束,就会被静默换算或直接沿用;范围在调度层与执行层之间没有仲裁者,就会在对象或阶段切换时被沿用。它们与前三类的区别在于:前三类是「声明本身写得不对或不完整」,后两类是「声明是对的,但没人负责在边界上执行它」。

两类原因合起来解释了为什么同一套动力学在不同装配方式下表现截然不同:模型决定「会算成什么」,声明决定「拿什么去算、算完算不算数」。

五条机制在一份声明上的落点

把五条机制与声明的字段对齐,可以在审查一份声明时直接指出问题所在。

失效机制出问题的字段审查时怎么发现
身份错配identity、retrigger标了 slow_variable 但 retrigger 为空,或事件生产者不存在
导出量缓存过期identity、depends_on标了 derived 却在某处被当成常量读取;缓存键不含上游版本
置信口径丢失source、confidence有置信字段但下游代码从不读取;规划器输入里只有点值
单位量纲丢失unit、value_fn声明没有 unit;接口边界没有换算;导出函数签名不写量纲
范围漂移scope预测调用没有走范围检查;scope 匹配依赖单一分类标签

这张表也提示了修复顺序:先修 identity 与 retrigger,因为它们决定「量会不会被更新」;再修 depends_on,它决定「更新会不会传下去」;最后修 confidence 的消费路径,它决定「不确定性会不会影响动作」。前两步只改系统内部,最后一步往往要改规划器接口,成本最高,但收益也最直接:它是唯一能让系统「知道自己在拿不准的量上做预测」的机制。

属性怎么进入神经世界模型

前面的讨论默认属性以「数值」的形式进入解析式或半解析式的动力学。神经世界模型的入口不一样:属性要么被拼进输入向量,要么被写成 token,要么根本不出现在接口上、只藏在权重里。三种方式对声明的要求差别很大。

条件向量:把属性拼进状态

最直接的做法是把属性向量 p∈Rkp\in\mathbb{R}^k 与状态拼在一起:

st′=[stϕ(p)]s'_t = \begin{bmatrix} s_t \\ \phi(p) \end{bmatrix}

其中 ϕ\phi 是归一化函数。也可以是条件调制(FiLM)的形式:把 pp 过一个 MLP 得到逐通道的缩放与偏移,作用在中间特征上,

h′=γ(p)⊙h+β(p)h' = \gamma(p)\odot h + \beta(p)

也可以是交叉注意力:状态特征作 query,属性的嵌入作 key/value。这三种实现在表达能力上没有本质差异,难点都在同一个地方:属性向量里每个分量的口径必须事先约定。

三个工程细节决定了这套接口能不能用。第一是归一化。质量跨三个数量级,摩擦系数只在 0.1 到 1 之间,直接把原始值拼进向量会让质量主导梯度。常见做法是对质量取对数、对摩擦与刚度做标准化。第二是缺失值。某些物体没有质心偏移的测量值,若用 0 填充,模型会把它理解成「质心恰好在几何中心」这个具体断言,而不是「未知」。正确做法是额外的掩码位,或者一个专门的缺失嵌入。第三是单位。质量用 kg 还是 g、角度用弧度还是度,这些在声明里必须写死,在进入网络前统一换算;单位错配是最常见也最难查的一类错误,因为模型会「学会」在错误单位下拟合训练数据,然后在推理时按同样的错误单位工作。

条件向量方式最大的风险是条件坍缩:如果训练数据里某个属性几乎不变,模型会学会忽略这个输入通道,因为忽略它并不增加损失。推理时即使把质量改成另一个值,预测也几乎不变。表面上看系统「接受」了属性声明,实际上它从未使用过它。下面会给出检测办法。

属性 token:把属性写成词

语言条件的世界模型走另一条路:把属性序列化成一段文本或一组离散 token,与视觉 token 一起送入模型。例如把「质量 0.12 kg、静摩擦 0.35、质心偏移 8 mm」写进提示词,或者用专门的属性 token <mass:0.12>、<mu:0.35> 表示。

这条路径的好处是天然可解释、可编辑:改一个 token 就能改变预测条件,便于做反事实分析;坏处同样明显。第一是量化误差:token 词表决定了分辨率,质量被离散到 0.1 kg 一档时,0.14 kg 与 0.06 kg 可能落到同一档。第二是越界截断:词表里没有 5 kg 的 token,超出范围的物体会被映射到最近的档位,而系统不会收到任何提示。第三是注意力稀释:当提示词很长时,属性 token 可能被视觉 token 淹没,模型对它的依赖程度随上下文长度下降。

因此属性 token 的声明必须额外包含「词表分辨率」与「越界策略」两项。没有这两项,声明里的值域形同虚设:值域说的是允许的真实取值,词表说的是模型能分辨的取值,两者不是一回事。

隐式权重:属性藏在参数里

大多数视频生成式世界模型不接受属性输入。它们从海量视频里学会了「木头会浮、金属会沉、玻璃会碎」这类先验,但没有任何接口能查询或修改单个物体的质量。属性被编码在权重里,与外观、材质、光照纠缠在一起。

这种形态下,属性声明不会消失,但会从「逐物体的值」退化成「模型级的假设包络」:这个模型在什么尺度、什么材质范围、什么光照条件下训练过,超出这个包络的输入不应被信任。可以把它写成一张模型级声明:

model: video-wm-v3
assumption_envelope:
object_scale: [0.02, 1.5] # 米,训练集中物体尺寸范围
mass_range: [0.01, 20] # 千克
materials: [wood, plastic, metal, fabric, glass]
illumination: indoor_diffuse
camera: static_or_slow_pan
out_of_envelope_policy: flag_and_fallback

它与逐物体声明的区别在于:它不能告诉你「这个杯子有多重」,只能告诉你「这个杯子是否落在模型见过的世界里」。对规划来说这仍然有价值:落在包络外的预测应当被降权,或改由一个更保守的解析模型接管。

三种方式的对照

维度条件向量属性 token隐式权重
逐物体可指定是是否
可查询当前属性是是否
分辨率可控由归一化与网络决定由词表决定不可控
越界可检测需要额外检查需要词表外检测只能靠包络外检测
反事实可编辑是(改向量)是(改 token)否(只能改输入画面)
声明落点输入 schema词表与序列化格式模型级假设包络

这张表给出的结论是:模型的接口形态决定了声明能落在哪里。条件向量与 token 方式可以把逐物体声明传进去,隐式方式只能声明模型边界。工程上最危险的是第三种方式被当成第一种使用——在提示词里写「这是一个很重的箱子」,然后相信模型会按质量推理。模型可能只是把这句话当成风格提示。

反事实敏感性:检验属性有没有被真的用上

无论哪种接口,都需要一个检验:改变声明里的属性,预测是否按物理上合理的方式改变。定义一个敏感性指标:

Sk=1N∑i=1N∥f(si,p(i)+Δek)−f(si,p(i))∥∥Δek∥S_k = \frac{1}{N}\sum_{i=1}^{N}\frac{\big\|f(s_i, p^{(i)} + \Delta e_k) - f(s_i, p^{(i)})\big\|}{\|\Delta e_k\|}

其中 eke_k 是第 kk 个属性的单位方向,Δ\Delta 是一个有物理意义的扰动量(例如质量增加 20%)。SkS_k 接近 0 说明模型忽略了这个属性(条件坍缩);SkS_k 很大但方向不对,说明模型用了这个通道但学到的映射是错的;只有在方向与量级都与物理预期一致时,才说明属性真的进入了预测。

这个检验的成本不高:取一批离线轨迹,对每个属性做一次扰动推理即可。它应当作为模型上线前的固定检查项,与精度指标一起看。一个预测精度很高但对声明属性完全不敏感的模型,在做反事实规划时是不可用的——它只能回答「历史上见过的情形会怎样」,不能回答「如果我换一个更重的物体呢」。

声明与仿真器属性表的对接

真实系统里,属性声明很少从零写起,多数是从仿真器的模型文件继承来的。对接这一步做错,后面所有推理都会带着同一个偏差。

MuJoCo 的属性表长什么样

Mjcf 里一个刚体的属性分散在几个标签中:

<body name="part_A">
<inertial pos="0 0 0" mass="0.12"
diaginertia="2.0e-5 2.0e-5 3.2e-5"/>
<geom type="box" size="0.02 0.02 0.01" density="3750"
friction="0.35 0.005 0.0001"
condim="3" solref="0.02 1"/>
</body>

inertial 给出质量与惯量;geom 的 density 用于在未显式给惯量时推算质量;friction 是滑动、扭转、滚动三个摩擦系数;condim 决定接触维度,3 维是法向加两个切向摩擦;solref 按 MuJoCo 的约定给出接触约束的时间常数与阻尼比。这些量在仿真器里有明确语义,但它们并不是同一类东西:mass 是慢变量,density 是常量先验,diaginertia 是导出量(由质量与几何算出),solref 则是数值方法的参数,不对应任何真实物理量。

最后一点最容易被忽略。solref 描述的是约束求解器把接触当成多硬的弹簧,它影响仿真里的穿透深度与反弹,却不代表真实物体的刚度。把 solref 当成「这个物体有多硬」写进声明,是一种范畴错误:真实刚度要通过探测或材料表获得,solref 只是让仿真稳定的调参。声明里应当把它标成「仿真器参数」,并明确它不参与 sim-to-real 的属性迁移。

从仿真器继承时的三处偏差

把仿真器属性表直接当作真机声明,会引入三类偏差。

第一类是默认值被当成测量值。Mjcf 不写 density 时用默认密度,不写 mass 时由几何与密度推算,不写 friction 时用默认摩擦。这些默认值在仿真里完全合理,在真机上可能相差数倍。继承时必须区分「显式写下的」与「编译器补上的」:前者可以进声明,后者只能作为低置信先验。

第二类是惯量被自动计算。仿真器可以根据几何形状算出惯量张量,这个值与真实物体的质量分布可能差很远,尤其是内部有配重、有空腔、有液体的物体。声明里应当把惯量标成导出量,并注明它的上游是「几何假设」而不是测量。上面零件掉落的例子里,配重让真实质心偏移,而仿真器按均匀密度算出的惯量恰好把偏移抹平了。

第三类是接触参数不可迁移。摩擦系数在仿真里通常用一个数表示,真机上它与表面粗糙度、湿度、法向压力都有关;solref 这类参数更是纯数值产物。把仿真里的摩擦系数当作真机声明的高置信值,是把一个拟合参数误当成了物理常数。

对接的规范写法

一个稳妥的对接流程是:先在仿真模型文件里给每个属性标注来源(显式值、默认值、编译器推算),再把显式值以中等置信度导入声明,把默认值与推算值以低置信度导入并标记为「待探测」。之后在真机上跑一段标定轨迹,用残差去更新那些低置信项。这样声明从一开始就带有正确的置信分层,而不是等系统出错之后再回头补。

这也解释了为什么「仿真里能跑通」经常不能预测「真机上能跑通」:仿真器的属性表是一个自洽的封闭系统,真机的属性是一组带不确定性的声明。前者只需要模型正确,后者还需要声明正确。

工程规范:如何让声明可检查、可执行

声明代码化与静态检查

最有效的做法是把声明做成机器可读的结构,并用静态检查强制三条不变量。检查项至少包括:

  • 模型代码里没有裸常量:所有物理常量必须来自声明对象。
  • 所有导出量都通过函数实现,缓存必须带版本键。
  • 慢变量的 retrigger 非空,且每个事件类型都能在事件系统里找到生产者。
  • 声明的 scope 非空,且在预测入口处检查当前对象与时段是否在范围内。
  • 每个声明都有 unit、source 与 confidence 字段,且置信值在合理区间。
  • 导出量的函数签名写出输入输出量纲,跨模块调用处没有隐式单位换算。

这些检查的代价是一次性写脚本,收益是消除一整类「常量进模型错误、日志无异常」的事故。对于一个长期维护的世界模型系统,这笔投入几乎总是划算的。

声明版本的显式管理

声明是会变的:产品规格更新、材料表更新、探测结果更新,都会改写声明值。如果声明版本不显式管理,一次「看似微小」的更新可能改变下游大量行为,而没有人能定位差异来源。

可行的做法是:每次声明变更生成新版本号,预测入口在日志里记录使用的声明版本;离线回放时,如果某一版本的预测质量下降,可以快速定位到是哪个声明变化引入了问题。这与编译系统里的锁文件或配置版本管理是同一个思路。

置信口径的传导

置信的传导要按依赖关系做,而不是简单相乘。对一个导出量 g=f(θ1,θ2)g = f(\theta_1, \theta_2),其不确定性的一阶传播为

σg2≈(∂f∂θ1)2σθ12+(∂f∂θ2)2σθ22+2∂f∂θ1∂f∂θ2Cov⁡(θ1,θ2)\sigma_g^2 \approx \left(\frac{\partial f}{\partial \theta_1}\right)^2 \sigma_{\theta_1}^2 + \left(\frac{\partial f}{\partial \theta_2}\right)^2 \sigma_{\theta_2}^2 + 2\frac{\partial f}{\partial \theta_1}\frac{\partial f}{\partial \theta_2}\operatorname{Cov}(\theta_1,\theta_2)

对大多数物理导出量,最后一项并不为零——质量与质心偏移的估计常常相关,因为它们都由同一次探测或同一组观测约束。简单相乘或平方和会忽略相关性,在相关性强的场景里低估不确定性。所以导出量的置信应当由函数与依赖项的后验联合计算,而不是由声明里的几个标签拼凑。

与解释树结合的更新调度

把声明、信念、解释树三者合在一起,更新调度就有了一张明确的表。每一步执行时,系统按声明身份分派:

  • 状态量:走滤波器更新,进入下一步预测。
  • 慢变量:不更新;检查触发信号,若触发则执行重估,并重算所有以此为目的的导出量。
  • 常量先验:不更新、不重算,但需要在对象或时段离开范围时切换声明。
  • 导出量:在每次读取时由函数重算,或检查缓存版本。

这张调度表的作用是让更新行为变得可预测:给定输入,哪些量在什么时候会被更新、为什么会被更新,都可以事先说清楚。系统出现异常时,也能直接问「这一步哪些量被更新了」,而不是从预测结果反推。

一个最小实现

把声明写成数据类,把不变量写进构造函数与访问路径,代码量并不大。下面是一个可运行的最小骨架:

from dataclasses import dataclass
from typing import Callable, Literal
Identity = Literal["state", "slow", "const", "derived"]
@dataclass
class Declaration:
name: str
identity: Identity
unit: str
value: float | None
range: tuple[float, float]
source: str
confidence: float
scope: dict
retrigger: tuple[str, ...] = ()
depends_on: tuple[str, ...] = ()
value_fn: Callable[[dict], float] | None = None
version: int = 0
def __post_init__(self):
assert self.unit, f"{self.name}: unit 不能为空"
assert self.source and 0.0 < self.confidence <= 1.0
assert self.range[0] <= self.range[1]
if self.identity == "slow":
assert self.retrigger, f"{self.name}: 慢变量必须有重估触发"
if self.identity == "derived":
assert self.value_fn is not None and self.depends_on
if self.identity == "const":
assert self.value is not None
class Registry:
def __init__(self, decls: list[Declaration]):
self.decls = {d.name: d for d in decls}
def resolve(self, name: str, ctx: dict) -> tuple[float, float]:
d = self.decls[name]
if not in_scope(d.scope, ctx):
raise LookupError(f"{name} 超出 scope: {ctx}")
if d.identity == "derived":
upstream = {k: self.resolve(k, ctx)[0] for k in d.depends_on}
v = d.value_fn(upstream)
else:
v = d.value
lo, hi = d.range
if not (lo <= v <= hi):
raise ValueError(f"{name}={v} 越界 [{lo},{hi}]")
return v, d.confidence

这段骨架把前文几条规则落成了三类行为。第一,构造时就检查 unit、scope 与 retrigger,让缺字段的声明无法被实例化。第二,derived 每次 resolve 都重新计算,从根上消除缓存过期——如果性能不够,缓存键必须包含所有上游的 version,这一点在类型层面没有体现,需要另加缓存层。第三,越界与越 scope 都抛异常而不是返回默认值,让系统在预测之前失败,而不是带着错误属性继续跑。

真实的实现还要补三样东西:in_scope 的多维匹配、慢变量的事件订阅表,以及按依赖图的置信传播。骨架的形态已经说明了一件事:声明应当是一个在每次预测时被调用的对象,而不是一份文档。只有把它做成对象,「无裸常量」才可能被检查。

小结

这一篇讨论的是世界模型里最不起眼的一层:属性进入模型的方式。把它压缩成几条结论。

第一,进入模型的量有四种身份。状态量每步更新、慢变量事件驱动更新、常量先验整段不更新、导出量由函数按需计算。身份不是实现细节,它决定了预测在何时会失真。

第二,慢变量与常量先验的界线,应当按「变化对预测输出的影响相对于模型噪声」来判断,并按任务上下文绑定。同一个量在不同任务里可以有不同的身份。

第三,世界状态的边界应当最小化:只放必须逐步跟踪、且无法由其他量廉价推出的量。被移出状态的量必须有声明作为落脚点,并配上触发机制,否则会退化成永不更新的假设。

第四,五类失效——身份错配、导出量缓存过期、置信口径丢失、单位量纲丢失、范围漂移——可以归到两个根:前三类是「属性被当成给定」这一装配惯例造成的,后两类是「声明在模块边界上没人执行」造成的。它们都不在模型本身,而在装配方式。

第五,属性进入神经世界模型有三种接口形态——条件向量、属性 token、隐式权重——它们各自决定了声明能落在哪里。前两者能把逐物体声明传进去,但也需要做反事实敏感性检验来排除条件坍缩;后者只能声明模型级的假设包络。把隐式形态当成可指定属性的接口使用,是最典型的误用。

第六,从仿真器继承属性表时,要区分显式值、默认值与编译器推算值,并明确 solref 这类求解器参数不是物理属性。继承的产物应当是分层的置信,而不是一套自洽的常量。

把这一篇压缩成一句话:同一个解释有时算得对、有时算不对,差别往往不在动力学,而在「哪些数被当成状态跟踪、哪些数被当成常量写死、写死的那些数又以什么身份被后来的观测改写」这条边界有没有说清楚。

下一篇讨论属性声明在物体与容器之间的一个进一步情形:当容器里的东西也会改变容器本身的属性——液面高度改变质心、内容物改变整体刚度、装载改变惯量——容器不再是一个固定属性的刚体,而是一个属性随内容变化的组合体。届时会把声明扩展到组合对象的层面,讨论组合属性的依赖图、内容物触发的声明切换,以及一致性检查在组合体上的新形态。

参考资料

  1. PhysGS: Bayesian-Inferred Gaussian Splatting for Physical Property Estimation
  2. You’ve Got to Feel It To Believe It: Multi-Modal Bayesian Inference for Semantic and Property Prediction
  3. Latent State Design for World Models under Sufficiency Constraints
  4. A Comprehensive Survey on World Models for Embodied AI
  5. Understanding World or Predicting Future? A Comprehensive Survey of World Models
  6. World Models: A Comprehensive Survey of Architectures, Methodologies, Reasoning Paradigms, and Applications
  7. World Models for Robotic Manipulation: A Survey
  8. Mastering Diverse Domains through World Models
  9. World Models
  10. MuJoCo XML Reference
  11. A Survey: Learning Embodied Intelligence from Physical Simulators and World Models

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

世界模型从零讲起(三十九):同一套解释,为什么有时算得对、有时算不对——属性声明与世界状态的边界
https://pinghaoyang.com.cn/articles/insights/posts/world-model-property-declaration-part-39/
作者
平昊阳
发布于
2026-11-19
许可协议
CC BY-NC-SA 4.0

评论区

访客信息
--°天气加载中

正在获取所在地区…

💨 风力--
💧 湿度--

正在读取天气

Profile Image of the Author
平昊阳
乘长风,破巨浪, 展鸿图于未央!
公告
欢迎来到我的个人博客!欢迎关注交流吖!
更多相关公告,见
「社交-留言」。
音乐
封面

音乐

暂未播放

0:000:00
暂无歌词
站点统计
文章
572
分类
29
标签
659
总字数
8,320,312
运行时长
0 天
最后活动
0 天前

文章目录