GRASP：面向更长时域世界模型的梯度规划方法

Berkeley AI Research 提出 GRASP，一种针对学习型世界模型的梯度规划器，让长时域规划变得实用。其核心改进包括：将轨迹提升到虚拟状态使优化在时间上并行、在状态迭代中直接加入随机性以支持探索、重塑梯度以获得干净的动作信号。该方法旨在解决长时域 rollout 中雅可比矩阵条件数随时间指数级缩放导致的梯度爆炸/消失以及非贪心损失面局部极小等问题。