因果世界模型基础

一句话定位：因果世界模型（Causal World Model）将因果结构引入世界模型（World Model），使得模型能够支持反事实模拟——在给定当前状态和假设性动作的情况下，预测”如果…会怎样”，而不只是记忆观测序列。

前置依赖：

理解因果图与 SCM（[1-三大框架/FCFFF]）
理解反事实推理（3-反事实推理）
理解世界模型（World Model）基本概念（对 Dreamer、World Models 有一定了解）

核心思想

传统世界模型（World Model）是一个生成模型，通过观测序列学习，目标是预测下一步观测。因果世界模型则明确建模”为什么观测会这样变化”的因果机制。

区别在于：

传统 WM：学习，预测”我会看到什么”
因果 WM：学习因果机制，预测”如果我改变，会产生什么观测变化”

因果 WM 的核心能力是反事实模拟：即使某个（状态-动作）对从未在训练数据中出现过，只要它落在因果机制支持的范围内，就可以模拟结果。这使得在未见过的动作上进行规划成为可能。

一、基本定义

1.1 世界模型回顾

世界模型（Ha 等，2019）由三部分组成：

视觉模型（Vision Model）：将高维观测压缩为低维隐状态
记忆模型（Memory/Mixture）：RNN/Transformer 建模序列：
控制器（Controller）：策略网络

训练目标：最小化重建误差 + 折扣累积奖励。

1.2 因果世界模型定义

因果世界模型 是一个 SCM：

（ 因 果 动 态 ）

（ 观 测 生 成 ）

其中：

：隐因果状态（latent causal state），是可干预的
：动作（因果图中的干预节点）
：高维观测
：因果动态模型
：decoder（不改变因果结构，只负责重建观测）

1.3 关键特性：可干预性

因果 WM 的核心区别在于 可以被干预。给定当前，可以问：

：反事实状态设置
：反事实动作输入

这产生反事实轨迹。

二、因果世界模型 vs 标准世界模型

维度	标准世界模型	因果世界模型
隐状态	是统计表示	是因果变量，有语义含义
预测方式	序列建模	因果机制
反事实	不支持	支持”如果改变会怎样”
跨域泛化	受限	因果机制跨环境更稳定
可解释性	低（黑箱）	高（因果图可解释）

三、反事实模拟过程

3.1 标准推演（训练时）

给定真实轨迹：

编码：（或从 encoder 输出）
动态预测：
重建：
比较：最小化

3.2 反事实推演（推理时）

给定当前因果状态和反事实动作：

保留：使用与训练时相同的噪声后验（如果需要反事实采样）
干预：计算
重建：

3.3 状态级反事实

更强大的能力：对因果状态本身进行反事实干预。

给定已知，假设我们想看”如果的某个因果因子是，系统会怎么演化”：

溯因：更新的后验（可选）
干预：
前向推演：从新的开始，用相同的推演

四、为什么需要因果结构

4.1 反事实模拟的需求

传统世界模型只能做插值（训练数据范围内的预测）。因果 WM 可以：

动作空间外推：即使从未在训练中出现过，只要支持，就能给出预测
状态空间外推：改变的某个因子，预测其他因子的变化

4.2 跨域泛化

如果因果机制是环境的不变结构，而观测来自特定传感器，则可以跨传感器泛化。

这与 IRM 的思想一致：学习跨环境不变的结构 = 因果机制。

五、与前后内容的衔接

继承：

3-反事实推理 — 因果 WM 的核心能力来自反事实推理
2-世界模型与因果模型的区别 — 对比中建立本篇定位

解决：定义了因果世界模型的基本形式化，以及它如何支持反事实推演。

引出：

1-Causal World Models by Unsupervised Deconfounding of Physical Dynamics — 具体论文精读
2-Explainable RL via a Causal World Model — 因果 WM 在 RL 中的应用

章节摘要

因果世界模型由 SCM（）+ decoder（）组成
核心优势：可干预性和反事实模拟
与标准 WM 的本质区别：有因果语义，不是纯统计表示
反事实推演三步：溯因→干预→前向推演（与 Pearl 框架一致）
因果 WM 支持动作空间外推和状态空间外推
因果机制是跨环境的不变结构，支持 OOD 泛化

关键词

Huajishe Notes

Explorer

1-因果世界模型基础