收录解读
这篇论文处理的是 latent world model planning 的一个底层但关键的问题：即便感知编码器足够强，学出来的 latent space 也未必适合规划。预训练视觉表示往往包含大量与规划无关的信息，导致 latent trajectory 高度弯曲，Euclidean 距离不能可靠近似可达路径上的 geodesic 距离，进而让梯度式规划目标病态、难优化。
作者提出 temporal straightening，用一个曲率正则项在训练 encoder 和 predictor 时主动把可行轨迹在 latent space 中拉直。这样做不是追求更好重建，而是让 latent geometry 本身更适合 planning：距离更接近真实可达进度，梯度更稳定，优化条件数更好。论文还给出了与 gradient-based planning 收敛相关的理论动机，而不只是经验性调参。
它适合进入仓库，因为这是一篇直接作用于 world model / latent planning 核心表示层的论文。相比单纯改 planner 或换搜索算法，它在问‘什么样的 latent geometry 才真正适合规划’，这个 framing 有外溢价值。尤其在当前越来越多工作把强视觉表征直接拿来做控制和世界模型时，这篇对 latent trajectory curvature 的处理很值得后续路线参考。
它还不到更高一级，因为当前证据主要集中在 goal-reaching/gradient-based planning 场景，影响范围尚未扩展到更广泛的长期规划、通用 embodied control 或大规模 world model 体系。更准确地说，它是一篇很强的表示几何改进论文，为 latent planning 提供了清晰可复用的方向，但还没有改写整个 world model 版图。