内容摘要
离线预测更准，是否意味着闭环控制更好？作者在带有偏置里程计和间歇地标观测的差速机器人路径跟踪仿真中，以状态估计器作为紧凑预测模型，在24种感知条件下比较六种估计器的轨迹回放、20步无地标观测推演与闭环跟踪表现。
结果显示，回放位置RMSE与闭环横向跟踪RMSE的Spearman相关系数为0.923，无地标观测推演为0.774；两者分别在5/24和18/24种条件下选出不同于闭环最优的估计器。固定推演长度为20步，逐步纳入可用观测时，相关系数为0.916；完全撤去观测后降至0.774。时域与更新间隔的联合实验表明，关键不只是预测多远，还包括是否保留观测校正：长推演在频繁校正下仍能保持较高排序一致性。
训练阶段延长感知中断，在组合感知退化条件下将GRU-EKF的横向跟踪RMSE从1.72米降至1.06米，但收益并未跨独立中断条件和估计器架构一致出现。作者据此建议，评测须同时说明预测时域与观测更新安排；这些结果不意味着短时域预测普遍优于长时域预测。
点评
为反馈系统中的预测模型评测提供方法学提醒：离线协议应尽量匹配部署时的感知、状态校正与控制更新结构，不能只看无观测推演误差。
证据来自作者论文，不是独立复现。主实验限于单一差速平台仿真、单一路径族与纯追踪控制器，不含视觉预测模型，不能据此外推大型视觉世界模型的通用评测标准。
版本与核查范围
版本 2609.02811v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #S1.p5.1；#S8.p1.1；#abstract1.1；#abstract1.1；#S5.SS4.p2.1；figcaption[80]；#S8.p3.1；#S5.SS4.p7.1；#S1.p10.1；#S7.p1.1；#S7.p5.1