加速視覺世界模型：Fast-LeWM 透過行動前綴預測提升規劃效率與精準度

Fast-LeWM 提出「行動前綴預測」機制，取代傳統世界模型的逐步循環推演，顯著降低計算成本並減少長期誤差累積，在提升決策成功率的同時大幅縮短了規劃時間。

Problem

現有的視覺世界模型（如 LeWM）在進行路徑規劃時，必須透過局部的一步轉換模型重複進行遞迴推演。這種自迴歸方式不僅計算成本極高，且隨著預測步數增加，潛在誤差會不斷累積，導致長程規劃的準確性大幅下降。

本研究提出 Fast-LeWM，核心在於將「行動前綴」視為基本預測單位。該模型將目前的潛在狀態與動作序列輸入，並利用編碼後的動作前綴平行預測未來狀態。這種機制讓模型學習動作在多個時間步長下累積的影響，而非僅僅擬合單步轉換，並能在規劃時直接輸出特定步數後的預測結果，無需逐一生成中間狀態。

實驗顯示，Fast-LeWM 在多項任務中的平均成功率優於 LeWM，且大幅縮短了規劃所需的運算時間。更重要的是，該模型在開路潛在損失（open-loop latent loss）上表現更佳，且其誤差隨預測時程增加的成長速度顯著慢於傳統模型。

此技術突破了世界模型在長程規劃上的效能瓶頸，提供了一種更高效且具備誤差抵禦能力的框架。對於需要即時反應與精準長程預測的視覺規劃任務（如機器人操作與複雜環境規劃）具有高度的應用價值與學術貢獻。