AdaReP：神经世界模型预测控制中模型失配下的自适应重规划

神经世界模型结合模型预测控制（MPC）虽能在每一步重规划以限制累积预测误差，但计算开销巨大。复用缓存计划可降低开销，但其有效性取决于预测失配在局部动力学中的传播方式。本文基于扰动动态 regret 框架分析该权衡，提出 AdaReP，一种无需训练的包装器，能利用当前偏差和局部敏感度估计在线自适应调整重规划容差。实验表明，该方法在显著减少计算量的同时保持了任务性能。