OpenAI · 大模型
OpenAI 发布 Temporal Segment Models 时序段模型
OpenAI 提出 Temporal Segment Models（时序段模型），将预测与控制统一在一个框架中。该方法把时间序列切分为可独立建模的片段，每个片段内学习局部动态，再通过组合后实现长程预测与规划。在机器人操控、游戏 AI 等需要多步决策的任务上，TSM 相比传统时序模型在预测精度和控制成功率上均有明显提升，为时序建模与决策融合提供了新思路。
- 域名
openai.com- 评分
- 5 · 重大发布
- 发布
- 2026-05-22
导读
Prediction and Control with Temporal Segment Models 是 OpenAI 于 2017 年 3 月发表的论文，作者为 Nikhil Mishra、Pieter Abbeel 与 Igor Mordatch。该工作提出一种基于深度生成模型的非线性系统动力学建模方法，把建模粒度从单步时间步抬高到状态与动作的时间片段，直接在片段上学习分布。模型给定过去状态、过去动作以及计划的未来动作轨迹，预测未来状态轨迹的分布，同时学习动作轨迹的潜在先验。
架构上结合了卷积自回归模型与变分自编码器，能在复杂随机系统上做出稳定且准确的长程预测，并显式表达不确定性，覆盖碰撞、传感噪声、动作延迟等真实控制场景中的扰动来源。论文指出，把若干时间步打包成片段建模可以缓解逐步预测的误差累积，对长时程规划尤为有用。
学到的动力学模型与动作先验都可用于端到端、全可微的轨迹优化与基于模型的策略优化。论文据此评估了方法在样本效率与控制性能上的表现，把生成式时序建模与基于模型的强化学习串到同一条管线中，为后续的世界模型与基于模型的控制研究提供了较早期的范式参考。