GRASP（Gradient RelAxed Stochastic Planner）是一種針對學習型動力學模型（即世界模型）的新型梯度規劃器，由Michael Psenka與Mike Rabbat、Aditi Krishnapriyan、Yann LeCun及Amir Bar合作完成。該工作旨在解決長視界規劃中的關鍵難題，使基於梯度的規劃在大規模世界模型上變得更加實用。
隨着世界模型規模的擴大，它們能夠預測高維視覺空間中的長序列未來觀測，並跨任務泛化，但將其有效用於控制或規劃仍面臨脆弱性：優化變得病態，非貪婪結構導致局部最優，高維潛在空間引入細微失敗模式。
長視界規劃的主要挑戰包括：首先，通過時間反向傳播會導致梯度爆炸或消失，因為雅可比矩陣的條件數隨視界指數增長。其次，任務越長，越需要非貪婪行為（如繞行），且優化空間維度增加，局部最優陷阱增多。更為關鍵的是，對於基於深度學習的世界模型，直接優化狀態輸入會引發對抗魯棒性問題：世界模型對狀態輸入的梯度非常敏感，因為訓練數據流形外的方向可能產生尖鋭梯度，使得模型容易被愚弄。
針對這些問題，文章提出將動力學約束鬆弛為軟約束，採用配置法（collocation）優化動作和狀態序列，從而將深度計算圖拆解為可並行計算的局部項，同時避免長鏈反向傳播。然而，直接優化狀態會導致對抗魯棒性問題，因為世界模型在訓練數據流形外的方向上梯度尖鋭。
GRASP的核心洞察是，動作空間通常低維且被充分訓練，因此動作梯度可靠；而狀態梯度脆弱。因此，GRASP僅依賴動作雅可比，通過停止狀態梯度並添加密集目標項來重塑損失函數。具體地，它結合了停止梯度的動力學損失和密集目標損失，並定期與原始串行目標同步微調。此外，GRASP在狀態迭代中注入高斯噪聲以增強探索，幫助跳出局部最優。
在Push-T任務上的實驗顯示，GRASP在視界長度從40到80時均取得最高成功率，且中位成功時間最短。例如，在H=50時，GRASP成功率43.4%（耗時15.2秒），而CEM為30.2%（96.2秒）、GD為37.6%（76.3秒）、LatCo僅4.2%（1114.7秒）。這些結果證明了GRASP在長視界規劃中的有效性和效率。
未來工作包括擴展到擴散世界模型、採用更復雜的優化器與噪聲策略，以及將GRASP集成到閉環系統或強化學習策略中。作者認為，世界模型規劃器正處於文獻成熟但實際應用未充分探索的黃金時期，GRASP是邁向實用化的重要一步。