该论文提出了ACID，一种用于具身控制的决策时规划框架，旨在解决标准规划成本中不可实现的中间过渡问题。它通过逆动力学模型引入循环动作一致性，验证推断的动作是否与条件动作匹配，并通过尺度不变自适应权重将此残差纳入规划成本。
- 该方法在四个动作条件世界模型和六项任务（包括刚体和可变形操作、关节控制和视觉导航）上进行了评估。
- ACID 相比基线方法一致地提高了规划性能。
- 它在保持与基线相当精度的同时，所需的规划计算量大幅减少。
这种方法确保在环境 rollout 期间预测的轨迹保持现实，为具身智能体提供更高效、更可靠的规划范式。