Ada-Diffuser：用于决策的潜在感知自适应扩散模型

近期研究将决策建模为基于扩散模型的序列生成问题，但常忽略驱动环境转换与奖励结构的潜在动态因素。本文提出统一框架，从最小观测中显式融入潜在动态推断。理论上证明了潜在过程的可识别性，并引入 Ada-Diffuser，一种因果扩散模型，能同时学习交互时序结构与底层潜在动态，进而用于规划与控制。该模块化设计支持规划与策略学习，适应动态、奖励及潜在动作的变化，实验验证了其在潜在推断与自适应策略学习上的有效性。