GRASP：面向世界模型长时域规划的梯度规划方法

研究团队提出梯度规划器 GRASP，通过虚拟状态提升、状态噪声探索和梯度重塑，让学习型世界模型的长时域规划更实用。该方法避开脆弱的状态输入梯度，保留动作梯度，并周期性使用真实滚动梯度同步轨迹。在 Push-T 测试中，GRASP 于 H=40 至 H=80 的各个时域均取得该表最高成功率，并在 H=40 时达到 59.0% 成功率和 8.5s 中位成功时间。