潜空间规划中，梯度下降优化器频繁失效——它陷入高度非凸的损失曲面，无法找到可行路径。根源在于预训练视觉编码器（如DINOv2）产生的潜轨迹极度弯曲，导致欧氏距离与真实测地距离严重脱节，梯度信号因此失去方向性。
本文的核心洞见是：把潜空间的几何曲率问题看作优化条件数问题。由此，在训练时对相邻潜状态速度向量施加余弦相似度惩罚这一关键操作，迫使编码器学出局部线性的轨迹流形——理论上可将规划Hessian的条件数从随视界指数爆炸压缩至近线性增长，梯度下降因此得以稳定收敛。
这项工作真正留下的遗产是：表示空间的几何形状是潜规划的一等公民，而非事后调优项。它为后来者打开的新门是：用轻量级曲率正则替代昂贵的搜索算法（CEM/MPPI），使梯度规划在目标到达任务上成功率提升20–60%。但尚未跨过的门槛是：理论保证仅在线性动力学下严格成立，长视界规划中预测误差的累积漂移问题仍悬而未决。
arxiv.org/abs/2603.12231
##