GRASP（Gradient RelAxed Stochastic Planner）是一种针对学习型动力学模型（即世界模型）的新型梯度规划器，由Michael Psenka与Mike Rabbat、Aditi Krishnapriyan、Yann LeCun及Amir Bar合作完成。该工作旨在解决长视界规划中的关键难题，使基于梯度的规划在大规模世界模型上变得更加实用。
随着世界模型规模的扩大，它们能够预测高维视觉空间中的长序列未来观测，并跨任务泛化，但将其有效用于控制或规划仍面临脆弱性：优化变得病态，非贪婪结构导致局部最优，高维潜在空间引入细微失败模式。
长视界规划的主要挑战包括：首先，通过时间反向传播会导致梯度爆炸或消失，因为雅可比矩阵的条件数随视界指数增长。其次，任务越长，越需要非贪婪行为（如绕行），且优化空间维度增加，局部最优陷阱增多。更为关键的是，对于基于深度学习的世界模型，直接优化状态输入会引发对抗鲁棒性问题：世界模型对状态输入的梯度非常敏感，因为训练数据流形外的方向可能产生尖锐梯度，使得模型容易被愚弄。
针对这些问题，文章提出将动力学约束松弛为软约束，采用配置法（collocation）优化动作和状态序列，从而将深度计算图拆解为可并行计算的局部项，同时避免长链反向传播。然而，直接优化状态会导致对抗鲁棒性问题，因为世界模型在训练数据流形外的方向上梯度尖锐。
GRASP的核心洞察是，动作空间通常低维且被充分训练，因此动作梯度可靠；而状态梯度脆弱。因此，GRASP仅依赖动作雅可比，通过停止状态梯度并添加密集目标项来重塑损失函数。具体地，它结合了停止梯度的动力学损失和密集目标损失，并定期与原始串行目标同步微调。此外，GRASP在状态迭代中注入高斯噪声以增强探索，帮助跳出局部最优。
在Push-T任务上的实验显示，GRASP在视界长度从40到80时均取得最高成功率，且中位成功时间最短。例如，在H=50时，GRASP成功率43.4%（耗时15.2秒），而CEM为30.2%（96.2秒）、GD为37.6%（76.3秒）、LatCo仅4.2%（1114.7秒）。这些结果证明了GRASP在长视界规划中的有效性和效率。
未来工作包括扩展到扩散世界模型、采用更复杂的优化器与噪声策略，以及将GRASP集成到闭环系统或强化学习策略中。作者认为，世界模型规划器正处于文献成熟但实际应用未充分探索的黄金时期，GRASP是迈向实用化的重要一步。