你让导航在陌生冰面上指挥开车。它如果还拿干燥路面的经验来算刹车距离，算得越积极，反而越危险。机器人使用的世界模型也有类似问题：它会在脑内模拟“做这个动作，接下来会怎样”，但部署时的质量、摩擦或电机性能一变，旧模型可能就不准了。
CausalNav关注的正是这个时刻。它不只学习一个因果世界模型，还在采用模型建议前检查：这次预测可靠吗？建议真的有必要吗？会不会改变原控制器原本的选择？任一检查不过，系统就放弃这条建议，退回自己的基础控制器。
这项工作值得看，不是因为它证明了世界模型能让机器人更聪明。恰恰相反，作者报告的关键结果是：模型看起来学得不错，不代表它能改善控制；在模型可能帮倒忙时，最有价值的能力是收手。以下结论均来自论文作者在两个经典模拟控制任务上的报告，尚无独立复现。
先别问模型多聪明，先问它该不该说话
世界模型可以理解为控制器脑内的一台简易模拟器。它根据当前状态和候选动作，预测下一步会发生什么。控制器先在模拟器里“试走”，再决定现实中采取哪个动作。
CausalNav使用的是带符号、动作条件化的状态转移图。“动作条件化”是指，同一个状态变量在不同动作下可以产生不同后果；“带符号”则记录影响方向，例如某个因素会让下一状态中的某个量增加还是减少。它还纳入了一阶和二阶关系，以描述状态变量共同作用的情形。
这是一种因果视角。普通相关性只告诉我们哪些现象经常一起出现；因果模型关心的是，主动执行某个动作后，状态会怎样变化。对于控制问题，后一个问题显然更直接。
部署时，CausalNav会让模型尝试一小组预设动作序列。每个候选首动作对应三种简单节奏：持续重复、只在开头施加一次，以及前半程施加后转为中性动作。模型预测这些序列的结果，再根据任务目标计算误差，把较好的方案转换成给策略的建议。
关键不在于如何生成建议，而在于三道门。
第一道是预测可靠性证书。它用无量纲的一步预测误差检查模型是否达到预设可信条件，并在固定的校准阶段后冻结判断尺度。所谓“证书”，在这里不是对现实安全的全面证明，而是一项针对模型预测可靠性的准入检查。
第二道是 policy-margin gate，也就是“策略余量门”。如果原策略已经明显偏好某个动作，模型就没有必要横插一手。
第三道是 argmax-agreement gate，即“最优动作一致门”。模型建议只能强化原策略已经选中的动作，不能把贪心选择翻成另一个动作。论文给出的保证因此很窄，也很明确：在确定性评估中，加入建议后，原控制器选择的最优动作不会被改写。
任一道门不通过，因果建议就消失，控制权回到系统自己的模型式基础控制器。这里的“回退”只表示恢复基础控制路径，不等于系统已经进入安全状态，更不代表基础控制器本身经过了安全认证。
排名第一，但功劳未必属于因果规划
作者在 CartPole-v1 和离散化的 Pendulum-v1 上测试了物理参数偏移。前者改变杆长和杆质量，后者改变摆的质量和长度。可以把它理解为：策略只在原来的器材上训练，考试时器材的物理特性变了，但观察方式、动作空间和奖励规则没有改变。
实验把 CausalNav 与九种受控基线比较，包括 Transformer、循环模型、图模型、因果归纳和多种模型式推理模块。所有方法共用 PPO——一种通过交互奖励训练控制策略的强化学习算法——以及相同的训练器、交互预算和辅助监督。作者使用十个留出的随机种子，报告共计 200 次运行。
在四个评估单元中，CausalNav于 CartPole 原始条件排名第二，在其余三个单元排名第一，十种方法中的平均排名为 1.25。
但论文没有把这个排名包装成“因果规划胜出”。作者进一步把 CausalNav与其回退控制器按随机种子配对，检查因果世界模型究竟增加了多少收益。结果是：CartPole上的差异很小，置信区间跨过零；Pendulum上因为证书始终弃权，两者的差异按设计正好为零。
更重要的是，一致门不允许规划器改变原策略的最优动作。因此，CartPole上即使出现收益差异，也应归因于 CausalNav使用的三模型集成控制器，而不是规划建议覆盖了原动作。论文据此明确区分了两件事：CausalNav这个“带路由和回退的完整系统”排名很好，但这不能证明因果规划提高了回报。
一张像样的图，为什么仍可能没用？
作者还检查了世界模型常用的质量指标。CausalNav在 CartPole上学到的图，其结构恢复达到 。F1综合衡量模型找对了多少真实关系，以及找出的关系中有多少是真的。按通常的模型评估方式，这张图并非毫无内容。
问题在于，结构学得更像，并没有对应到更大的控制收益。作者按十个随机种子计算结构保真度与控制收益的相关性，得到 、。这只能说明该小样本实验没有检出相关关系，不能证明二者在一般情况下无关。但它至少提醒我们：一张更像“正确答案”的因果图，未必更能帮助控制器行动。
一步预测误差也没有提供可靠指引。论文报告，在这一设置中，结构恢复和一步预测指标都不能预测模型对下游控制的实际贡献。换句话说，模型考试分数不错，不等于把它接进决策链就会有用。
真正起作用的是“弃权”
Pendulum最能说明这套设计的价值。这个任务需要积累能量，并在合适的相位施加扭矩；CausalNav只搜索三种简单的时间模式，表达能力有限。可靠性证书在十个随机种子上全部选择弃权。作者在开发实验中强制开启规划器后，回报反而下降。
这并不说明所有世界模型都该少做事。它说明评估世界模型时，不能只问“预测准不准”，还要问“它的建议是否真的改善动作”。如果答案未知，系统至少需要一种明确的拒绝机制，把不可靠建议变成一次无操作，而不是让一个自信但失准的模型覆盖原控制器。
CausalNav最有意思的地方因此不是那张因果图，而是把“我可能错了”落实成了控制逻辑。对会遇到物理参数变化的系统，这比单纯追求更低的预测误差更接近部署问题。
局限与未知
-
实验只覆盖两个低维模拟任务，其中 Pendulum还被离散成五档扭矩。它不是实体机器人实验，也不足以推出开放环境中的一般安全规律。
-
所谓认证提供的是预测准入和确定性动作不翻转保证，不是概率意义上的控制安全证明。阈值能否迁移、基础控制器是否安全，仍需另行验证。
-
实验只有十个留出种子，回报方差较大；200次运行的具体拆分也未在摘要式材料中完整交代。基线是统一框架下的受控改造，并非各原方法的完整复现，且 CartPole分支还有额外模型容量。