正在获取所在地区…
正在读取天气
音乐
暂未播放
世界模型从零讲起(三十二):换一个环境,这套结构还成立吗——因果结构的跨环境迁移与复用边界
上一篇把世界模型放进了因果阶梯:观测一致性、干预一致性、反事实一致性是三种强度递增的检验,CLEVRER 把这三层加一层结构测试放在同一个基准里。那一篇的结论是,结构可以学出来,也可以被设计进去——CDL 用条件互信息把状态维度拆成稀疏因果图,CausalWorld 用 do 接口把变量暴露给智能体,Causal Curiosity 用内在奖励驱使它做实验,CoPhy 用潜变量推断混杂因子。共同点是主动制造干预数据的多样性。
但因果图有一个隐含前提:它是在某一个环境里辨识出来的。换一个房间、换一台机器人、换一套传感器,这张图里的变量、边和机制还能不能直接拿来用?这正是结构迁移要回答的问题。它比「模型泛化」更具体:泛化问的是预测误差会不会变大,结构迁移问的是哪些边可以跨环境复用、哪些参数必须重估、哪些机制必须重新辨识。
这一篇按四层展开:先给出「结构」在什么意义上可以被迁移的形式定义(变量语义、机制、图拓扑三件事分开看);再讲辨识层面需要什么条件才能断言某条边是共享的;然后看工程上有哪几类做法——参数适配、潜变量上下文、表示对齐、跨形态的动作抽象;最后落地到度量、推理账本与失效边界。
为什么结构迁移比参数迁移难
先区分两个容易混为一谈的概念。
参数迁移(parameter transfer)指的是结构不变、只换数值。比如一个动力学模型 fθ(s,a) 里的权重 θ 在环境 A 上训好,到环境 B 上做几步梯度更新或者在线估计,把 θ 调过去。这件事在系统辨识里早已成熟:线性系统换负载、换摩擦系数,重新估一组参数即可。
结构迁移(structure transfer)指的是连「哪些变量存在、它们之间有没有边、边的方向如何」都允许变化,要在变化中找出不变的部分。它至少包含三个可以独立失效的层面:
- 变量对齐(variable alignment):环境 B 的观测里,哪个维度对应环境 A 的哪个变量。换传感器、换形态、换视角,维度编号、数量、物理含义都可能变。
- 机制不变(mechanism invariance):给定父变量取值,子变量的条件分布 P(Xi∣Pa(Xi)) 是否保持不变。这是因果推断里「机制稳定」假设的核心内容。
- 图拓扑复用(topology reuse):有向边的集合本身,哪些边在两个环境里都存在、方向一致。
三者不是一回事。完全可能出现「拓扑对、变量对、但机制全变」的情况:同一个机械臂,同样的关节因果链,负载从 0.5 kg 换到 5 kg,每条边的函数形式都不再一样。也可能出现「机制对、拓扑不对」的情况:同一个相机拍到不同的物体排布,遮挡关系让某些边出现或消失。
把它们混在一起谈,就会出现「迁移失败了但不知道失败在哪一层」的困境。后面的所有方法,本质上都是在回答「我迁移的是哪一层、靠什么保证这一层对齐」。
这三层的关系可以用一个具体例子说明。一个 Franka 机械臂在桌面上堆木块,世界模型把「关节角速度」当作动作,把「木块位置」当作状态。换到 Piper 机械臂上:关节数量不同、连杆长度不同、关节角速度的取值范围不同——变量对齐失败;即使对齐了关节编号,同样的角速度在两条臂上产生的末端位移也不同——机制变了;如果桌面从木地板换成玻璃,接触摩擦改变,某些「木块—桌面」的边仍在,但「木块—木块」的滑动边可能消失——拓扑可能变了。
三层各自可以单独成立,也可以单独失效。下面先把形式化写清楚,后面所有方法都可以挂到这三层上。
形式化:结构迁移是三层上的三个问题
把源环境记为 ES,目标环境记为 ET。两个环境都用一个结构因果模型(Structural Causal Model,SCM)描述:
Mk=(Xk, Gk, Fk, P(Uk)),k∈{S,T}其中:
- Xk 是环境 k 的状态变量集合(世界模型里通常就是表征维度或物理量);
- Gk 是有向图,边 i→j 表示 Xi 直接决定 Xj;
- Fk={f1k,…,fnk} 是每个变量的机制,即 Xj=fjk(PaGk(Xj),Uj);
- P(Uk) 是外生噪声的分布。
世界模型做的事,本质上学一个 F 去逼近 F,再在它上面做 rollout 和规划(这条线在前面的篇目里反复出现,例如 世界模型从零讲起(八):潜空间规划)。结构迁移要问的不是「FS 在 ET 上误差多大」,而是下面三个更细的问题。
问题一:变量对齐
找一个对齐映射 π:XT→XS∪{⊥},把目标环境的每个变量对应到源环境的一个变量,或者标记为「源环境里没有」。⊥ 表示这是一个新变量:目标环境多出来的观测,比如一种源环境里从未接触过的传感器,或者一种新形态才有的自由度。
对齐映射的质量直接决定后面两层的意义。如果把「机械臂第 3 个关节角」错配成「底盘偏航角」,机制不变性和拓扑分析都会在错误的对应上得出结论,而且结论看起来完全合理。这是结构迁移中最隐蔽的一种失败。
问题二:机制不变性
在对齐之后,问每个变量 j 的条件分布是否不变:
PS(Xj∣Pa(Xj)) =? PT(Xj∣Pa(Xj))这条式子背后是因果推断中的机制稳定假设(mechanism stability assumption):SCM 的意义就在于把联合分布拆成「外生噪声分布」和「确定性机制」两部分,而机制被假设为对环境的改变具有鲁棒性。Peters、Bühlmann 与 Meinshausen 在 2015 年发表的 Causal inference using invariant prediction 把这个假设变成了可检验的判据:在多个环境(多个干预设置)下收集数据,预测精度在所有环境下都保持不变的那组预测因子,就是因果父节点。反过来用这个判据,就是在测「哪些机制跨环境不变」。
需要强调,不变性是对条件分布而言的,不是对联合分布。换一个负载,动作的分布可能整体偏移,但「给定当前状态和动作,下一个状态的分布」的形状可以保持不变——这正是世界模型可以复用的前提。
问题三:拓扑复用
把对齐后的边集合比较:
Eshared={(i→j): i→j∈GS 且 π−1(i)→π−1(j)∈GT}Eshared 是可以在目标环境里直接复用的边;GS∖Eshared 是需要重新辨识或者直接删除的边;GT∖π(Eshared) 是目标环境里新出现的边,必须用目标环境的数据补出来。
三项里,拓扑复用是最容易被误判的。学出来的世界模型往往有一张稠密的有效图:注意力在每一对 token 之间都有非零权重,哪怕物理上只有少数几对变量真正有因果作用。稠密图上做集合比较,几乎每一条边都既出现在源环境也出现在目标环境里,看起来「结构全部复用」,但实际用的时候精度立刻崩掉。Causal Dynamics Learning(CDL,2022)就是为解决这个问题提出的:它用条件互信息把状态变量之间的多余依赖剪掉,只保留「被证明必要」的边,学出来的图是稀疏的,跨状态泛化才好。这一点后面在方法部分还会展开。

上图是 CDL 的架构(来源:CDL 论文,arXiv:2206.13452)。图中每个 sj 只接收由剪枝得到的父变量集合,机制函数 fj 在稀疏父集上训练。这种稀疏化正是「拓扑复用」能成立的前提:图上只有少数边时,跨环境比较才有意义。
三层之间的关系
三层不是并列的,而是有依赖顺序:对齐错了,机制不变性检验和拓扑复用都会建立在错误的对应上;机制变了,拓扑即便一致也不能直接复用数值;拓扑变了,机制不变的那部分仍然可以保留为子图,但需要为目标环境里新增的边补数据。实际工程里,一次结构迁移往往要按这个顺序逐层检查,而不是笼统地报告一个「迁移成功率」。
辨识层面:什么条件下可以断言某条边真的共享
上面三层给出了「要比较什么」,但没有回答「比较的依据是否可靠」。判断两条边是否共享,本质上是一个辨识问题:从有限数据里推断出来的图,可能含有伪相关、伪边和方向错误。这一节讲三类可靠性来源。
多环境数据是最直接的证据
因果推断里区分某条依赖是「真正的因果边」还是「伪相关」的经典手段,是看它在多个环境下的稳定性。如果 Xi→Xj 是真因果边,那么只要机制没坏,它应该在所有环境里都出现;如果它是伪相关(比如两个变量都被同一个隐藏因素驱动),换一个环境后这种相关性经常会断裂。
这个思路有两个成熟的做法:
- 不变预测(Invariant Prediction):Peters 等人的做法,直接检验「条件分布是否跨环境不变」,适用于线性或可分的情形。
- Invariant Risk Minimization(IRM):Arjovsky、Bottou 等人在 2019 年发表的 Invariant Risk Minimization,把不变性写进训练目标,要求学到的表征上,最优分类器在所有训练环境里一致。IRM 的做法是把世界模型的编码器加上一层不变约束:如果同一个机制在 n 个环境里都存在,那么在这些环境上「编码器之后的预测头」应该都可以共享。
CausalWorld 这套基准(2020)提供的正是这样的数据设计:它把同一个机器人操作环境参数化,允许对机器人质量、木块质量、颜色、尺寸等所有因果变量做干预,从而构造出「只改变外观」「只改变质量」「同时改变外观与质量」等一组难度递进的训练与评测分布。这种设计让「不变性检验」有了严格对照:外观改变时哪些边应当保留、质量改变时哪些边应当改变,都可以提前写出来。

上图是 CausalWorld 的干预示意(来源:CausalWorld 论文,arXiv:2010.04296)。图中展示了一个 do(...) 调用同时修改地板颜色、木块尺寸等多个变量,这正是把「哪些机制被改变」显式写进数据的方式——干预集合是结构迁移实验的设计变量。
只从单一环境的数据里辨不出拓扑
如果只有一个环境的数据,即便用再好的稀疏化方法,也只能恢复马尔可夫等价类(Markov equivalence class)里的一个代表:多个不同图(边的方向翻转、某些边增删)产生完全相同的条件独立性模式。结构迁移里这个问题尤其危险,因为「等价类内的选择」在源环境里可能碰巧正确,换到目标环境就暴露出来。
打破等价类需要两类额外信息:干预数据,或者环境变化。前者在 CausalWorld 这样的仿真环境里容易获得;后者就是结构迁移本身——目标环境的数据就是第二组环境样本。从这个意义上说,结构迁移的辨识和迁移是同一件事:在目标环境里跑几轮,看哪些边还成立,就是在用目标环境的数据帮助辨识源环境的结构。
学出来的结构不是唯一的
同一个物理过程,可以有多个层次的抽象描述。例如一个机械臂,既可以用关节空间描述,也可以用末端执行器空间描述,还可以只在任务相关的变量上描述。每种描述都是一张合法的因果图,但它们彼此之间不是简单的「同一张图的不同参数化」,而是不同程度的粗化。
因果抽象理论(causal abstraction)研究的就是不同层次的因果模型之间怎样对应。Rubinstein 等人 2017 年的论文建立了精确抽象的条件:低层模型可以被高层模型精确表示,并且高层模型里的干预可以对应到低层模型的一组干预。2019 年 Beckers 与 Halpern 的 Approximate Causal Abstraction 进一步把它推广到近似的情形:当高层模型只是低层模型的近似时,可以给出误差如何进入抽象的形式化描述。
这一层对结构迁移的启发是:所谓「复用哪张图」,首先要决定在哪个抽象层次上复用。同一套物理机制,在关节层可能完全不可复用(形态不同),在任务层可能高度可复用(都需要「抓取、移动、放置」这个骨架)。这正是后面方法部分里「潜动作空间」「统一物理语言」等做法试图捕获的东西。
方法一:机制参数适配——保留拓扑,快速重估参数
最简单的一类结构迁移承认拓扑不变,只把「机制里依赖环境的那部分参数」当作未知量,在目标环境里在线估计。这个方向在机器人控制里有一组成熟的做法。
RMA:用一个快适应模块把环境相关的量显式抽出来
Rapid Motor Adaptation(RMA,2021,由卡内基梅隆大学与加州大学伯克利分校的研究者提出)面对的问题非常具体:四足机器人从仿真部署到真实地形时,地面的摩擦、负载、以及电机磨损带来的动力学偏移,在仿真里根本没法精确建模。RMA 的设计是两阶段训练:
- 第一阶段:在仿真里把「地形高度、质量、质心、摩擦系数、电机强度」等环境因子当作可以直接读到的向量 et,训练一个基策略 π(zt,a^t−1,et),其中 zt 是本体感受历史、a^t−1 是上一步动作。同时训练一个自适应模块 ϕ,用本体感受历史回归出 et 的估计 e^t。
- 第二阶段:只用自适应模块输出的 e^t 代替真实 et,继续训练基策略,让策略习惯在有估计误差的环境向量上工作。
部署时,基策略以 100 Hz 运行,自适应模块以 10 Hz 运行并持续更新 e^t。论文特别指出两者之间没有统一时钟同步:自适应模块作用于 50 步的状态—动作历史,大约每 0.1 秒才更新一次环境向量,基策略只取它最新一次的输出。这种异步设计正是部署能跑起来的关键——如果把历史直接喂给策略、不分两个模块,同样的算力只能跑到 10 Hz。

上图是 RMA 的训练与部署流程(来源:RMA 论文,arXiv:2107.04034)。左边是第一阶段:仿真里所有环境因子都已知,基策略直接读到;中间是第二阶段:环境因子被替换为自适应模块给出的估计;右边是部署:只有本体感受可用,自适应模块在线估计。
用本文的三层框架看 RMA,它迁移的是「本体感受 → 关节目标」这条机制链的拓扑和大部分机制形式,只把少量环境相关参数放进 et 里重新估。它不需要知道目标环境是什么,只需要用几帧观测——这正是「机制参数适配」最典型的形式:拓扑复用 + 低维参数在线估计。
RMA 的局限也很清楚:它假设环境因子的影响可以用一个低维向量概括。如果目标环境引入了一个仿真里完全没有的机制(比如一种全新的接触模式),et 的表达能力就不足以覆盖,这条路就不再成立。这对应前面三层里的「拓扑变了」的情形。
从 RMA 到世界模型:把 et 变成世界模型的条件输入
RMA 的架构可以直接搬到世界模型上:让世界模型 fθ(st,at,e^t) 显式地以环境向量为条件,那么在同构但参数不同的环境之间迁移时,只需要重估 e^t,不需要重新训练整个模型。这和后面要讲的「潜变量上下文」本质相同,区别在于 et 是否有物理解释。
显式参数化的好处是可解释、可检查:能直接问「目标环境里质量是多少」;坏处是参数集合必须人工设计,仿真里没见过的因子无法进入。潜变量上下文则相反,表达能力更强,但失去可解释性,也更难诊断是哪一层失效了。
方法二:潜变量上下文——用推断替代重训练
如果环境因子没法人工列举,又希望在目标环境里快速适配,一个自然的做法是把「当前环境的身份」当成一个潜变量 z,从少量交互历史里在线推断,再把 z 作为世界模型的条件输入。
PEARL:概率上下文变量
Probabilistic Embeddings for Actor-critic RL(PEARL,2019)的做法是:把任务(或环境)用一个潜变量 z 表示,用变分自编码器的结构从一组轨迹里推断后验 q(z∣c),其中 c 是收集到的上下文轨迹。PEARL 的贡献主要有两点:一是把任务推断与控制解耦,任务推断可以用离策略数据;二是在后验上做采样来驱动结构化探索。
搬到世界模型上,PEARL 的后验推断模块就承担了「辨识当前机制参数」的职责,只是这里辨识的对象从奖励函数变成了动力学。好处是不需要人工设计环境因子——机制里所有与环境有关的部分都被压缩进 z;代价是 z 的辨识需要一定数量的交互数据,而且后验一旦有偏差,世界模型会在错误的机制上外推。
VariBAD:在变分模型上做 Bayes 自适应
VariBAD(2019)走得更远,它直接对「任务相关的状态空间模型」做变分推断,目标是逼近 Bayes 最优策略:策略不仅看状态,还要看「我对环境有多不确定」。在网格世界实验里,VariBAD 的行为明确体现出探索的意图——不确定性高的地方,策略会去确认。
把 VariBAD 的理解放到结构迁移里:它把「环境」压缩成一个后验,而不是显式地维护一张图。结构信息隐含在后验分布里:如果目标环境与某个训练环境的机制接近,后验会收缩到那个环境附近,机制自动复用;如果目标环境是全新的,后验会保持宽泛,世界模型的预测方差大,规划时自然会保守。
这一类的边界
潜变量上下文的方法有一个共同假设:目标环境的机制可以由训练环境里机制的某种组合或插值表示。如果训练环境已经覆盖了几乎所有可能的变化方向,这个假设成立得很好;反之,超出训练分布的环境会让 z 落到没有任何支撑的区域,模型给出没有任何意义的估计。这就是后面「失效边界」一节要详细讨论的情形。
另外,后验推断的质量依赖上下文数据的多样性。仅仅几帧图像往往不足以把「质量、摩擦、负载」这些机制参数分开——很多不同的参数组合可以产生几乎相同的观测。结构迁移里的变量对齐问题在这个语境下表现为:同一个观测序列可能对应的 z 不唯一,而世界模型会用其中任意一个去外推。
方法三:表示对齐——让不同环境在表征空间里对上号
和参数适配不同,表示对齐不关心「哪些机制可以复用」,而是先解决「变量怎么对齐」的问题。如果两个环境的观测在某个表征空间里能够一一对应,那么世界模型可以在表征空间上复用,而不需要物理层的一致性。
跨形态的动作空间:LAC-WM 与 CLAP
在具身智能的语境下,表示对齐最常见的形式是「跨形态的动作对齐」。两个机械臂的关节数量、关节范围、连杆长度都不同,动作空间的结构完全不同。如果世界模型直接以关节向量为条件,那么它学到的动作表征在两条臂之间几乎不共享。
2026 年提出的 Latent Action-Conditioned Robot World Model(LAC-WM)的观察是:显式动作条件(即用显式运动标签作为动作)会产生跨形态的动作表征互不相交——每条机械臂的动作在表征空间里形成自己的簇,换到新形态时,预训练的收益几乎为零。LAC-WM 的解法是先学一个跨形态共享的潜动作空间,用这个潜动作去条件世界模型,于是不同形态的动作被映射到同一个空间里,世界模型的下游性能随预训练形态数量的增加而提高。对比之下,显式动作条件的方法在形态数量增加时性能反而下降。

上图是 LAC-WM 的模型架构(来源:LAC-WM 论文,arXiv:2610.10846)。图中跨形态数据经过一个统一的潜动作空间编码,再作为世界模型的条件;微调阶段只需要让新形态的动作映射到这个空间里。
CLAP(2026)的思路类似但更彻底:它直接训练跨形态的动作条件视频世界模型,用末端执行器位姿、语言指令和潜动作三种表示去调和不同的动作空间,再设计一个课程学习配方——先在无标签的互联网视频上学基础物理先验(用潜动作),再把先验接地到末端执行器动作空间里。它的核心假设是「物理法则不依赖执行者」,因此动作表示可以跨形态统一。

上图是 CLAP 的架构(来源:CLAP 论文,arXiv:2608.27406)。历史帧与动作条件一起送入时空去噪网络,动作条件由末端执行器位姿、语言与潜动作组合而成。图中把「动作如何进入模型」这一层单独画出,正是结构迁移里变量对齐发生的位置。
这两项工作的共同启示是:对齐的载体可以是「结果」而不是「过程」。两条机械臂的关节角不同,但末端执行器位置、物体的位移结果是可比的。世界模型如果以「结果」而不是「原始动作」为条件,就绕过了大部分变量对齐问题。这和第十六篇讨论过的「动作怎么进入模型」一脉相承(可参考 世界模型从零讲起(十六):动作怎么进入模型)。
视觉对齐的陷阱:XEWorld 的结果
表示对齐并不总是能解决问题。2026 年的 XEWorld 基准专门测「动作条件世界模型能不能在没见过的机器人上正确渲染」,它的设计是:同一个任务、同一个随机种子、同一个场景,只把机器人形态换掉,控制其他所有因素,从而把「形态」变成唯一的变量。
XEWorld 的结论相当尖锐:当前的动作条件世界模型主要在做二维视觉模式匹配,其泛化能力由视觉相似度而不是运动学相似度决定。具体表现包括:无法把数字关节动作翻译成连贯的视觉轨迹、无法从静态初始观测预测动态变化。即便通过少量样本做微调,也会因为外表的强制恢复而对已见过的形态产生灾难性遗忘。

上图是 XEWorld 的测试台设计(来源:XEWorld 论文,arXiv:2608.05799)。测试台在物理完全一致的场景里评测留出的机器人形态,把「形态」从「场景」里剥离出来,从而可以单独断言模型是否真的学到了动力学。
这个结果对结构迁移的含义是:在像素级的视频世界模型上,「变量对齐」往往是失败的,因为模型学到的主要是外观相关的统计,而没有学到「关节动作 → 物理位移」这条真正的因果链。要做真正的跨形态复用,需要把外观与动力学在架构上解耦——这正是该论文指出的方向。
方法四:统一物理语言——把跨形态抽象成一个共享的 token 空间
上面两类方法要么要求同构(参数适配),要么依赖表征上先对齐(表示对齐)。统一物理语言这一类做法试图把二者合起来:构造一个跨形态的共享 token 空间,每种形态都有自己到该空间的映射,世界模型只在这个空间上工作。
UniT(2026)是一个比较完整的设计。它的核心观察是:不同机械臂的运动学不共享,但它们产生的视觉后果是共享的。于是 UniT 设计了一个三分支的结构:
- 动作分支:动作预测视觉,把运动学锚定到物理结果上;
- 视觉分支:视觉重建动作,把与动作无关的视觉混淆因素滤掉;
- 融合分支:把两个分支净化后的特征合并到一个共享的离散潜空间里,得到与形态无关的「物理意图」token。

上图是 UniT 的方法结构(来源:UniT 论文,arXiv:2604.19734)。上方是动作到视觉的预测分支,下方是视觉到动作的重建分支,中间是跨形态融合分支,三方输出汇聚到统一的潜动作 token 空间。论文报告这种对齐后的表征能在人形机器人的世界模型任务上实现人手数据到人形机器人的动作迁移。
如果把 UniT 放回三层框架里,它实际上重新定义了「变量」:在原始关节空间里,人手的结构和人形机器人的手结构不共享任何机制;在「物理意图」token 空间里,两者共享「抓、推、抬」这些抽象动作,因此可以复用世界模型的动力学部分。代价是:这个 token 空间必须由大量跨形态数据训练出来,而且一旦目标形态的动作无法映射到这个空间里(比如一种全新的操作方式),世界模型就无法用它。
这几类方法的对照
| 方法类别 | 迁移的层 | 需要的额外信息 | 主要失效模式 |
|---|---|---|---|
| 参数适配(RMA 式) | 拓扑不变,机制中低维参数重估 | 少量在线观测、低维环境因子设计 | 目标环境引入新机制时结构不覆盖 |
| 潜变量上下文(PEARL/variBAD 式) | 机制隐含在后验中,拓扑隐式复用 | 一段交互轨迹 | 目标环境超出训练分布,z 无支撑 |
| 表示对齐(LAC-WM/CLAP 式) | 动作空间对齐,机制在结果层复用 | 跨形态动作数据 | 只学到外观匹配而非动力学(XEWorld 结论) |
| 统一物理语言(UniT 式) | 抽象动作 token 空间对齐 | 大量跨形态数据训练 | 新形态动作无法映射到 token 空间 |
四类方法不是互斥的:一个实际系统可以先用统一 token 空间做动作对齐,再用轻量参数适配处理剩余的环境差异。
度量:怎样量化一次结构迁移
结构迁移通常被报告成一个「成功率」或者「新环境上的回报」,这种口径下不同层的失败被混在一起。更有用的做法是分三层度量。
变量对齐的度量
对齐是分类问题,可以直接算准确率:每个目标环境变量与源环境变量的人工标注对应,作为金标准,算对齐映射的正确率,以及「错配成新变量(⊥)」的比例。错配有两种典型错误:把已有变量判成新变量(漏对齐),把新变量判成已有变量(误对齐)。两者的代价不同——漏对齐会让部分机制白白丢掉,误对齐会把错误的机制套到新变量上,后者危险得多,应该单独统计。
如果没有人工金标准,可以用可辨识性度量:在目标环境里做微干预(比如只改变一个变量),看世界模型预测里有多大的响应被归到哪个变量上。这其实就是干预一致性的一种检验,可以借用前面讨论过的评测方法(可参考 世界模型从零讲起(六):怎么测一个世界模型)。
机制不变性的度量
给定对齐,对每条边 i→j 做条件分布检验。在高斯情形下,可以比较条件均值函数和条件方差:
dij=ES[Xj∣Paj]−ET[Xj∣Paj]Hj+σS2(Xj∣Paj)−σT2(Xj∣Paj)其中 Hj 是 Xj 的取值空间上的范数(连续变量常用加权 L2),第二项比较条件方差。这个度量可以看作是「机制偏移量」:它为 0 表示机制完全不变,值越大表示机制差异越大。在非高斯情形下,可以将条件分布之间的距离换成核检验统计量或者最大均值差异(MMD)。
关键在于这个度量是有方向的:源环境机制到目标环境机制之间的距离。如果这个距离很小,就可以直接用源环境的机制;如果距离中等,可以做参数适配;如果距离很大,说明机制本身已经不同,需要重新学。
拓扑复用的度量
对齐后,比较两张图的边集合,可以得到三个量:复用边数 ∣Eshared∣、源环境独有边数、目标环境新增边数。用 Jensen-Shannon 散度或者简单的边覆盖率来报告。
但是,边集合比较只在源图与目标图都是稀疏的情形下有意义。学出来的稠密图可以先按「边强度」(比如 CDL 的条件互信息阈值、或者注意力权重的阈值)稀疏化,再比较。阈值的选择会影响度量值,所以报告时要写清楚阈值与稀疏化方法,否则数字之间不可比。

上图出自 Generalized Transportability via Causal Abstractions(2026,arXiv:2608.15645)的图 8。每一格对应一组机制扰动参数 (ε,η),左列是用观测数据算出的迁移距离,中列与右列分别是对应的迁移证书区间宽度;上方一行是对称扰动,下方一行是偏移扰动。图中框出的格子是论文选定的一个折中点。这类热力图把「机制扰动强度 → 迁移质量」的关系直接画了出来:扰动越大,可用的证书区间越宽,说明能在多大程度上信任从源环境搬来的结论,本身就是迁移质量的一个量化指标。
端到端:分层的可迁移性分数
把上面三项合成一个报告格式,比单一成功率有用得多:
1变量对齐: 命中 12/14 (漏对齐 1,误对齐 1)2机制不变: 12/14 条边偏移量 < 0.1,2 条边 0.3~0.5(可参数适配)3拓扑复用: 共享 9 条,源独有 3 条(已删除),目标新增 2 条(需补数据)这样的报告能直接指导下一步做什么:哪一层需要补数据、哪一层需要适配、哪一层需要重新设计接口。
推理账本:结构迁移的代价
结构迁移不是免费的。每次迁移都要付出三类开销,在实时控制场景下会直接影响能跑多快。
辨识开销
在线估计机制参数、推断潜变量 z、或者对齐表征,都需要额外数据。RMA 的自适应模块每 10 Hz 更新一次,这意味着适应过程的观测延迟至少是 100 ms 量级;PEARL/variBAD 式的后验推断要么需要积累一段轨迹,要么需要一次前向推断,前者占用执行时间,后者占用计算。在 1 kHz 控制回路里,任何一次额外的推断都不能在关键路径上做,只能放在慢路径上异步执行。
计算开销
- 参数适配:低维参数重估通常是一次小规模回归,开销可忽略;
- 潜变量推断:一次编码器前向,和主模型相比开销小,但会占用 GPU 队列;
- 表示对齐/潜动作映射:需要目标形态的动作编码器,这是一次额外的前向;
- 统一 token 空间:动作要被映射到共享空间,这部分通常很小,但空间本身的设计可能需要大量训练。
需要注意,切换环境时要重新稳定。参数适配的估计收敛需要时间,切换后前若干步的估计是不可靠的,安全逻辑要把这段当作「未知状态」处理。
存储与切换开销
如果多个环境共享一个世界模型,只为每个环境保存一个小的适配向量或后验状态,存储成本很低;但如果为每个环境单独保存一个模型分支,存储就变成线性增长。这决定了系统能否在多环境里快速切换——这正是「共享世界状态」(第十八篇)和「跨会话状态迁移」(第二十篇)里讨论过的存储问题在结构层的延续。
机制不变性作为假设:什么时候不能信
机制不变性在前面的形式化里被写成一个检验,但它在因果推断里首先是一个假设。两者差别很大:假设是在建模时选定的,检验只是在特定条件下对假设的局部验证。
这个区别在结构迁移里会直接导致问题。如果源环境的图是从单一环境的数据里学出来的,那么「哪些边是因果边」本身就不完全确定——它只是某个马尔可夫等价类里的代表。此时声称「这条边跨环境不变」,实际上是把一个不确定的东西当成了确定的结论,再拿它去论证目标环境可以复用。更糟的是,这个论证会自我强化:目标环境的数据被用来「确认」假设,而不是被用来「挑战」假设。
正确的做法是把迁移过程写成一次假设—检验循环:先根据源环境的图给出待检验的假设集合(哪些边应该不变、哪些应该改变),再用目标环境的数据逐条检验,最后把检验结果反馈给源环境的图,修正等价类内的不确定部分。Generalised Transportability via Causal Abstractions 的论文正是在这个框架下工作的:它不再逐条查询问「这个量能不能迁移」,而是寻找一个单一的映射同时对齐源环境与目标环境在所有干预下的行为;如果找不到精确映射,就求最好的近似,并给出带证书的区间。
这个视角也解释了为什么结构迁移和因果抽象在近年一起成为研究热点:当迁移的对象不是一个数、而是一整套图时,逐条边地判断迁移是否成立既低效也不完整,必须把「源与目标如何对齐」本身当作主要问题。
失效边界:什么时候结构迁移会崩溃
总结一下前面几类方法的共同盲区,可以归纳成五类失效。
一、新机制被误判为旧机制
如果一个目标环境里某种新机制在数值上碰巧接近训练分布里的某个已有机制,那么参数适配和后验推断都会把它吸收进去,模型给出看起来合理但实际上是错误的预测。这类失效最危险,因为它不会触发任何「置信度低」的告警。应对办法是在目标环境部署后做一次主动的干预测试:选几条关键边,做小幅度干预,看预测是否一致。
二、对齐失败被掩盖为泛化失败
如果对齐映射错了,所有下游指标都会变差,但变差的原因看起来是「泛化能力不足」,而不是「对齐错误」。这类失效需要单独的对齐诊断,比如逐变量的干预响应测试,而不是看整体损失。
三、外观主导的伪迁移
XEWorld 的结果说明,视频式世界模型在跨形态迁移时,学到的往往是外观相关的统计而不是动力学。这种情况下,迁移后的模型在新外观上会给出连贯但错误的画面——视觉上非常像,物理上完全不对。对下游控制来说,这比什么都学不到更糟。解决办法是架构上把外观与动力学解耦,并在评测里加入只改变外观、不改动力学的对照实验。
四、置信度没有反映结构风险
不确定性估计(前一篇文章讨论过)通常是对「模型自身预测的方差」的估计,它不一定反映了结构层的风险。一个在目标环境里机制已经变了、但训练时从未见过的变量,模型可能给出很小的不确定性——因为它没有任何理由去怀疑这个变量。这是「两类不确定性」框架的边界,也是结构迁移里需要额外一层检查的原因。
五、切换瞬态被当作稳态
多环境切换时,参数或后验在切换后需要一段时间才能稳定。如果控制回路在瞬态期间使用未收敛的估计,行为会出现难以解释的抖动,甚至触发安全保护。工程上的处理是把切换后的一段时间显式标记为「迁移中」,用保守策略过渡,而不是默认估计已经收敛。
与物理先验的关系
第二十一篇讲的物理结构——图网络、能量守恒、拉格朗日动力学——在结构迁移里有一个特殊的位置。它们不只是「一种建模方式」,还是一种先验约束,而先验约束本身带有可迁移性。
例如能量守恒:如果目标环境的物理过程仍然满足能量守恒,那么以能量守恒为约束的世界模型在换环境后仍然自洽,只是具体参数(质量、惯量、摩擦)变了。这意味着它把「哪些机制应该保留」这件事从数据里推到了结构里——模型本身知道只要参数正确,守恒律就成立。
如果目标环境的物理过程不满足同一种守恒律(比如引入了有耗散的接触、粘性摩擦),那么在涉及这些互相作用的子区域里,守恒约束本身就不再成立,迁移的不再是参数而是约束的放宽。这时比较自然的做法是在子区域里保留严格的守恒、在其他区域里放宽约束,而不是把整张图判为不可迁移。这种「部分保留」的结构迁移,比逐条边地判断到底能不能迁移要更自然。
在哪一层复用:抽象层次的迁移
前面所有方法都在回答「结构能不能迁移」,但没有回答一个更根本的问题:复用的是哪一层结构。同一个系统,在不同的抽象层次上有不同的图。
以「把积木叠成塔」为例,至少在三个层次上可以描述:
- 关节层:每个关节的角度、角速度、力矩。每条边对应具体的连杆传动链。这一层的结构对形态极度敏感,换一根机械臂基本全变。
- 操作层:末端执行器位置、被操作物体的位姿、接触状态。这一层的边是「末端动作 → 物体移动」,对形态的敏感度取决于是否已用末端执行器抽象掉关节差异。
- 任务层:抓取、移动、放置这些抽象动作与目标状态之间的后果关系。这一层几乎与形态无关。
第三十一篇讨论因果抽象时提到,不同层次的模型之间存在「某一层能不能精确表示另一层」的问题;Beckers 与 Halpern 的近似因果抽象回答了「当精确表示不成立时误差如何进入」。放到迁移里,这个结论的工程含义是:必须先选定在哪一层复用,再谈复用哪条边。
选高层次的后果是:可复用的结构多,但细节少,到了执行层仍然要补;选低层次的后果是:结构复用少,但一旦成立,直接可用。实际系统的做法通常是分层维护——任务层用统一的抽象,操作层用跨形态的末端执行器表示,关节层用形态专属的模型。这就是为什么 LAC-WM 与 CLAP 选择末端执行器和潜动作,而不是直接迁移关节动力学。
从二元判断到连续复用度
最后把视角从二元判断切到连续量。前面大部分讨论都以「这条边能不能迁移」为单位,但实际系统里更常见的形态是「迁移了多少、损失了多少」。
一个可行的做法是给每条边关联一个「复用度」rij∈[0,1],由机制偏移量和拓扑一致性共同决定。在源环境里,rij=1;在目标环境里,根据检验结果衰减。然后世界模型的训练目标里加入复用度的加权——复用度高的边直接使用源环境的机制参数,复用度低的边用目标环境的数据训练。这等于让系统自己决定在每条边上迁移多少,而不是一个全局的迁移开关。
这个思路和参数高效微调里的「按层决定迁移多少」是一致的:不是所有层都同样值得复用。把这个视角放到世界模型上,就是一个跨环境的结构迁移策略:哪些边固化成先验、哪些边在线适应、哪些边重新学习。
结构迁移与系统设计
结构迁移不只是算法层面的事,它对系统设计有直接影响。
如果系统知道「哪些结构是共享的、哪些是需要重估的」,它就能在环境切换时只重新校准需要重估的部分,把共享部分保持在缓存里。这和推理系统里「KV 缓存只重算变化的 token」是同一个思路:结构迁移的账本,本质上也是缓存命中率与重算成本的权衡。
反过来,如果系统假设一切都必须重新学,每次环境切换都要从零开始,那么迁移的价值就无法体现。一个能感知「自己在哪里、当前环境的结构和哪个训练环境接近」的系统,会是一个完全不同的系统——这也和第十八篇讨论过的共享世界状态、第二十篇讨论过的跨会话状态直接相关。
评测里的假成功
有一种评测会给出假的成功:在目标环境里测试时,把源环境的机制直接拿过来,评测任务却恰好只依赖共享的那部分边。这种情况在机械臂任务里很容易发生——大多数抓取任务的主要变量(末端位置、目标位置)是共享的,只有少数与具体形态相关的变量不同。于是整体成功率看起来很高,但只要任务里依赖了目标环境独有的变量,就会立刻失效。
对评测的启示是:测试集必须显式覆盖目标环境独有的边,而不是只覆盖共享的边。设计方式可以是:构造一组任务,每个任务都只依赖于目标环境里某一条独有的边,然后看世界模型的预测在这些任务上的表现。如果这个子集上的表现很差,就说明迁移只在共享部分成立,不能标为整体迁移成功。
与系列前文的接口
结构迁移把前面几篇的线索串在一起:
- 第二十一篇(物理结构)说明了把哪种结构写进模型:图网络、能量守恒、拉格朗日动力学。结构迁移要问的第一件事就是「这些结构里哪些可以跨环境保留」——比如守恒律,通常比具体的神经网络参数更鲁棒。
- 第二十三篇(身体模型)把身体和世界分开建模,本身就是一种结构迁移准备:换身体时,世界模型的部分机制可以复用,只需要更新身体模型。
- 第二十四到二十六篇讨论数据引擎的失效边界,结构迁移里「为新增边补数据」实际上就是在找该用哪个引擎。
- 第三十篇(不确定性)和第三十一篇(因果)分别提供了风险度量和结构判据,本文把它们放到迁移的语境里。
小结
- 结构迁移有三个层,各自可以独立失效:变量对齐、机制不变性、拓扑复用。把三者混在一起谈,会出现「迁移失败但不知道为什么」。
- 辨识是迁移的前提:单一环境的数据只能恢复马尔可夫等价类内的一个代表,需要多环境数据或干预数据才能真正断言某条边共享。从这个意义上说,在目标环境里跑几轮本身就是辨识的一部分。
- 四类方法对应不同的迁移层:参数适配迁移拓扑与机制形式,潜变量上下文把机制压缩进后验,表示对齐把对齐问题移到动作或视觉层,统一物理语言则重新定义了「变量」。四类可以组合使用。
- XEWorld 的结论值得记住:动作条件视频世界模型目前主要是外观匹配器,跨形态迁移需要架构层面的外观—动力学解耦,而不是更好的对齐方法。
- 失效的五类模式要与评测一起设计:新机制误判、对齐失败被掩盖、外观主导、置信度不反映结构风险、切换瞬态被当稳态。
下一步顺着结构往更抽象的方向走:如果抽象层是可以选择的,那么世界模型能否在多个抽象层之间切换(把粗粒度可复用的结构和细粒度需要重新辨识的结构分开维护)?这会把本系列的「结构迁移」推进到「多粒度结构管理」,也是下一篇的起点——从「一张图」过渡到「一套分层图」。
参考资料
- CausalWorld: A Robotic Manipulation Benchmark for Causal Structure and Transfer Learning
- Causal Dynamics Learning for Task-Independent State Abstraction
- Causal inference using invariant prediction: identification and confidence intervals
- Invariant Risk Minimization
- Approximate Causal Abstraction
- Generalised Transportability via Causal Abstractions
- RMA: Rapid Motor Adaptation for Legged Robots
- Efficient Off-Policy Meta-Reinforcement Learning via Probabilistic Context Variables
- VariBAD: A Very Good Method for Bayes-Adaptive Deep RL via Meta-Learning
- Cross-Embodiment Robot Foundation World Models with Latent Actions
- CLAP: Cross-Embodiment Video World Models are Zero-Shot Physical Simulators
- XEWorld: Can Action-Conditioned World Models Generalize to Unseen Robot Embodiments?
- UniT: Toward a Unified Physical Language for Human-to-Humanoid Policy Learning and World Modeling
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!
评论区
分享你的想法,与大家交流讨论
正在获取所在地区…
正在读取天气
音乐
暂未播放



