趙子杰，中國科學(xué)院自動(dòng)化研究所博士生，導(dǎo)師為趙冬斌研究員和朱圓恒副研究員。本科畢業(yè)于電子科技大學(xué)并獲得榮譽(yù)學(xué)位（Top 0.7%）。主要研究方向?yàn)閺?qiáng)化學(xué)習(xí)、世界模型和機(jī)器人學(xué)習(xí)，重點(diǎn)關(guān)注融合學(xué)習(xí)、規(guī)劃與控制的方法，以實(shí)現(xiàn)魯棒且可擴(kuò)展的真實(shí)世界機(jī)器人智能。

近年來，Decision-Coupled World Model與Model-based RL在機(jī)器人領(lǐng)域取得了顯著成功。通過學(xué)習(xí)環(huán)境動(dòng)力學(xué)模型，智能體能夠在內(nèi)部模擬未來，從而進(jìn)行規(guī)劃與決策。但當(dāng)系統(tǒng)從單機(jī)器人擴(kuò)展到多機(jī)器人時(shí)，問題開始變得棘手。

在多機(jī)器人系統(tǒng)中，世界的變化不再由單獨(dú)個(gè)體決定，而是由多個(gè)個(gè)體共同作用。于是，一個(gè)關(guān)鍵問題是：如何讓世界模型能夠理解多機(jī)器人系統(tǒng)的聯(lián)合動(dòng)力學(xué)？

為了解決這一挑戰(zhàn)，中科院自動(dòng)化所深度強(qiáng)化學(xué)習(xí)團(tuán)隊(duì)提出 SeqWM，對(duì)多機(jī)器人聯(lián)合動(dòng)力學(xué)進(jìn)行順序式的因果條件化分解，使機(jī)器人能夠在意圖共享的基礎(chǔ)上進(jìn)行協(xié)同規(guī)劃。該成果已被ICLR 2026接收，并在評(píng)審中獲得8 / 8 / 8 / 2的評(píng)分。

• 論文標(biāo)題：Empowering Multi-Robot Cooperation via Sequential World Models
• 代碼地址：https://github.com/zhaozijie2022/seqwm

為什么多機(jī)器人協(xié)作如此困難？

當(dāng)多個(gè)機(jī)器人同時(shí)參與決策時(shí)，系統(tǒng)的動(dòng)力學(xué)會(huì)迅速變得復(fù)雜：每個(gè)機(jī)器人的動(dòng)作都會(huì)影響環(huán)境，也會(huì)影響其他機(jī)器人接下來的決策。這使得多機(jī)器人協(xié)作成為強(qiáng)化學(xué)習(xí)和機(jī)器人領(lǐng)域長期以來的核心難題。核心原因在于：世界不再由單一策略驅(qū)動(dòng)，而是由多個(gè)智能體共同決定。這帶來了兩個(gè)關(guān)鍵挑戰(zhàn)：

• 因果結(jié)構(gòu)復(fù)雜化：多個(gè)機(jī)器人同時(shí)作用于環(huán)境，導(dǎo)致動(dòng)力學(xué)模型需要同時(shí)處理多個(gè)「因果源」，學(xué)習(xí)難度顯著增加。強(qiáng)行共享策略易產(chǎn)生梯度沖突。
• 決策 - 世界閉環(huán)被打破：在單機(jī)器人場(chǎng)景中，動(dòng)作 → 環(huán)境變化之間形成穩(wěn)定閉環(huán)；而在多機(jī)器人系統(tǒng)中，每個(gè)機(jī)器人都受到其他機(jī)器人的影響，預(yù)測(cè)誤差會(huì)迅速累積。

圖 1：多智能體世界建模困境：在多個(gè) robot 的作用下，足球去向哪里？

SeqWM：多機(jī)器人世界模型的順序式因果分解

現(xiàn)有方法通常把多機(jī)器人系統(tǒng)看作一個(gè)整體：所有機(jī)器人的狀態(tài)和動(dòng)作會(huì)同時(shí)輸入到一個(gè)統(tǒng)一模型中，進(jìn)而預(yù)測(cè)未來環(huán)境變化。然而，隨著機(jī)器人數(shù)量增加，這種聯(lián)合動(dòng)力學(xué)建模的復(fù)雜度會(huì)迅速增長，使得模型難以穩(wěn)定學(xué)習(xí)和泛化，也增大了部署的難度。

SeqWM 從一個(gè)全新的視角重新思考了這個(gè)問題。研究團(tuán)隊(duì)提出一個(gè)關(guān)鍵觀察：

多機(jī)器人世界的變化，其實(shí)可以被建模為多個(gè)機(jī)器人依次作用于環(huán)境的過程。

基于這一觀察，SeqWM 不再試圖學(xué)習(xí)一個(gè)復(fù)雜的整體動(dòng)力學(xué)函數(shù)，而是將聯(lián)合動(dòng)力學(xué)分解為一系列順序條件化的狀態(tài)轉(zhuǎn)移過程。每個(gè)機(jī)器人只需要學(xué)習(xí)：在已知前序機(jī)器人動(dòng)作的條件下，自己對(duì)世界狀態(tài)演化所產(chǎn)生的邊際因果貢獻(xiàn)。形式上，原本的聯(lián)合動(dòng)力學(xué)被重寫為順序條件化的分解形式：

這種順序式分解將復(fù)雜的多機(jī)器人動(dòng)力學(xué)轉(zhuǎn)化為一系列條件預(yù)測(cè)問題，從而顯著降低了建模難度。

圖 2：R1 先規(guī)劃并共享未來軌跡，R2 據(jù)此調(diào)整路徑，實(shí)現(xiàn)對(duì)房間的協(xié)同探索

在軌跡預(yù)測(cè)階段，

• 每個(gè)機(jī)器人維護(hù)一個(gè)獨(dú)立的世界模型
• 每個(gè)模型只建模自身對(duì)環(huán)境的邊際貢獻(xiàn)
• 后續(xù)機(jī)器人在預(yù)測(cè)時(shí)條件化前序機(jī)器人的預(yù)測(cè)結(jié)果

這種結(jié)構(gòu)使得復(fù)雜的聯(lián)合動(dòng)力學(xué)被拆解為多個(gè)簡單且可擴(kuò)展的局部預(yù)測(cè)過程。

在動(dòng)作規(guī)劃階段，SeqWM 使用 MPPI（Model Predictive Path Integral） 進(jìn)行動(dòng)作規(guī)劃。機(jī)器人按照順序進(jìn)行規(guī)劃，并共享預(yù)測(cè)軌跡。這意味著：后續(xù)機(jī)器人在規(guī)劃時(shí)，可以提前知道前序機(jī)器人的未來計(jì)劃。這種機(jī)制形成了一種顯式的意圖共享，顯著增強(qiáng)協(xié)作能力。

圖 3：MPPI-based planner 示意圖

仿真實(shí)驗(yàn)對(duì)比

研究團(tuán)隊(duì)在兩個(gè)具有挑戰(zhàn)性的多機(jī)器人環(huán)境中評(píng)估了 SeqWM：

• Bi-DexHands：雙靈巧手協(xié)作操作任務(wù)
• Multi-Quadruped：多四足機(jī)器人協(xié)作任務(wù)

實(shí)驗(yàn)結(jié)果表明：SeqWM 在所有任務(wù)中均顯著超過現(xiàn)有方法，在性能與樣本效率方面均取得領(lǐng)先。

圖4：仿真實(shí)驗(yàn)可視化

協(xié)作行為如何自然產(chǎn)生？

SeqWM 不僅提升了任務(wù)成功率，還產(chǎn)生了多種自然協(xié)作行為。例如：

預(yù)測(cè)適應(yīng)（Predictive Adaptation）：機(jī)器人能夠根據(jù)伙伴預(yù)測(cè)的未來動(dòng)作提前調(diào)整動(dòng)作。例如在接拋球任務(wù)中，接球機(jī)器人會(huì)提前移動(dòng)到預(yù)測(cè)落點(diǎn)附近，從而穩(wěn)定完成抓取。

角色分工（Role Division）：在推箱子任務(wù)中：一只機(jī)器人負(fù)責(zé) 主要推進(jìn)力，另一只機(jī)器人負(fù)責(zé) 方向調(diào)整。這種分工并非人工設(shè)計(jì)，而是在訓(xùn)練中自然產(chǎn)生。

Sim-to-Real 真實(shí)機(jī)器人實(shí)驗(yàn)

為了驗(yàn)證算法在真實(shí)環(huán)境中的效果，研究團(tuán)隊(duì)還將 SeqWM 部署到了 Unitree Go2-W 機(jī)器人平臺(tái)。實(shí)驗(yàn)包括：推箱子、通過窄門、引導(dǎo)目標(biāo)機(jī)器人：

實(shí)驗(yàn)結(jié)果表明，真實(shí)機(jī)器人系統(tǒng)中的協(xié)作行為與仿真結(jié)果高度一致，驗(yàn)證了 SeqWM 的實(shí)際應(yīng)用潛力。

總結(jié)

SeqWM 提出了一種新的多機(jī)器人世界建模方式：通過順序因果結(jié)構(gòu)分解多機(jī)器人動(dòng)力學(xué)。這一設(shè)計(jì)使得復(fù)雜的多機(jī)器人協(xié)作問題變得更加可建模、可規(guī)劃，也為真實(shí)機(jī)器人系統(tǒng)提供了一種可擴(kuò)展的解決方案。隨著世界模型與強(qiáng)化學(xué)習(xí)技術(shù)的發(fā)展，未來的機(jī)器人系統(tǒng)或許能夠像人類團(tuán)隊(duì)一樣，通過共享意圖與協(xié)同行動(dòng)完成更加復(fù)雜的任務(wù)。