澳大利亚国立大学与穆罕默德·本·扎耶德人工智能大学联合研发的GeoWorld系统，为人工智能长期规划领域带来了突破性进展。这项成果发表于计算机视觉顶级会议，论文编号arXiv:2602.23058v1，其核心创新在于将双曲几何引入AI规划框架，使机器能够像人类一样进行多层次战略思考。
传统AI系统在处理复杂任务时，常陷入"短视"困境。以更换手机存储芯片为例，现有技术只能机械执行单个动作，却无法理解"取出外壳-更换芯片-重新组装"的整体逻辑。研究团队发现，问题根源在于欧几里德空间无法有效表示任务的层次结构，导致预测误差随步骤增加呈指数级累积。
双曲空间为破解这一难题提供了全新视角。这种非欧几何空间具有独特的层次展开特性，就像倒置的碗状结构，中心区域代表宏观目标，边缘分布具体操作步骤。研究团队开发的H-JEPA技术，通过特殊映射函数将任务状态投影到双曲空间，使AI能够自然捕捉"完成维修"与"拧螺丝"之间的层级关系。
几何强化学习算法的引入，使规划过程转化为测地线搜索问题。系统不再依赖传统强化学习的试错机制，而是通过最小化双曲空间中的能量函数，自动找到最优执行路径。三角不等式约束机制的加入，有效防止了规划过程中出现几何矛盾，确保长期预测的稳定性。
能量景观理论为理解任务空间提供了新范式。在双曲几何框架下，系统构建出具有明确方向性的地形图，山谷代表可行路径，山峰代表困难状态。这种结构使AI能够同时把握战略决策与战术执行，实验显示其规划效率较传统方法提升达40%。
交叉熵优化算法在双曲空间展现出独特优势。通过迭代筛选优质路径样本，系统能够快速定位解空间中的聚集区域。在6步规划任务中，GeoWorld成功将误差率控制在12%以内，而传统系统误差率已超过35%，验证了双曲几何在缓解误差累积方面的有效性。
实证研究在CrossTask和COIN两大视频数据集上展开，涵盖烹饪、维修等180类复杂任务。实验数据显示，GeoWorld在4步规划任务中成功率提升2.3%，6步任务中仍保持68%的准确率。特别在设备维修场景，系统能够自动识别工具使用顺序，规划效率接近人类专家水平。
技术实现包含三大核心组件：视觉编码器将视频帧转换为双曲特征向量，Transformer预测网络进行状态演化推演，几何优化模块执行路径搜索。两阶段训练策略先通过监督学习掌握基本规律，再通过强化学习优化规划策略，确保系统兼具预测准确性与决策合理性。
相较于现有方法，GeoWorld展现出显著优势。生成式模型受困于像素级计算，预测式方法缺乏层次感知，而大语言模型依赖文本信息。新系统通过几何抽象，在保持计算效率的同时，实现了对复杂任务结构的深度理解，其参数规模较同类系统减少15%而性能更优。
该技术已引发多领域关注。在机器人领域，试验平台能够自主完成电子产品组装；自动驾驶系统借助双曲规划，在复杂路况下的决策速度提升30%；智能助手可分解"筹备派对"等高层指令，生成包含20余个子任务的执行清单。教育领域正在探索将其用于技能训练系统开发。
研究团队指出，当前技术仍面临计算复杂度与数据标注的挑战。下一步将优化双曲空间数值算法，开发专用硬件加速器，并建立包含专业操作的大型数据集。跨学科合作成为重要方向，认知科学家的参与将帮助完善人类决策机制的模拟，推动AI向真正智能迈进。
