PulseAugur
中
实时 17:36:04
English(EN) SAGE: Subgoal-Conditioned Action Generation for Latent World Model Planning

新的SAGE规划器增强了潜在世界模型的长时域规划能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了SAGE，一种用于潜在世界模型的新规划范式，通过生成子目标条件动作来改进长时域规划。该方法使用目标条件生成器来预测不同时长的可达潜在子目标，然后指导候选动作序列的生成。在PushT和OGBench Cube上的实验表明，规划成功率显著提高，当目标为150步偏移时，PushT成功率从12.7%提高到64.7%，OGBench Cube成功率从26.7%提高到67.3%。 AI

影响 这种新的规划方法可以使AI系统实现更有效的长时域决策。

排序理由 该集群包含一篇详细介绍AI新规划方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的SAGE规划器增强了潜在世界模型的长时域规划能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Letian Cheng, Qi Zhang, Yisen Wang ·

    SAGE：用于潜在世界模型规划的子目标条件动作生成

    arXiv:2607.17973v1 Announce Type: new Abstract: Latent world models have emerged as a powerful planning paradigm by learning action-conditioned predictive dynamics and using them as internal simulators to imagine and evaluate candidate action sequences. However, as the planning h…

相关实体

相关话题