研究人员开发了一种名为观察转移因子化（OTF）的新方法，以解决从视觉转移中学习潜在动作的模糊性问题。OTF将转移分解为可重用的基本单元，然后用于将运动抽象为类似动作的潜在表示。这种方法在OTF-LAM和无解码器变体OTF-LAM-Dino中得到实现，即使在具有混合视觉效果的复杂场景中，在下游策略学习任务中也显示出更强的鲁棒性和可迁移性。 AI
影响 这项研究可能催生更强大、更具可迁移性的AI代理，使其能够理解复杂视觉环境并采取行动。
排序理由 该集群包含一篇详细介绍潜在动作学习新方法和模型的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30544v1 Announce Type: new Abstract: Latent Action Models (LAMs) learn action-like proxies from observation transitions. However, in multi-object or distractor-rich scenes, these visual effects mix agent motion with distractors, camera dynamics, and background changes,…
Latent Action Models (LAMs) learn action-like proxies from observation transitions. However, in multi-object or distractor-rich scenes, these visual effects mix agent motion with distractors, camera dynamics, and background changes, making the underlying action source ambiguous w…