研究人员推出了一种新颖的框架SG-WAM，用于在几何感知策略空间中进行自我指导的世界建模。该方法旨在通过确保未来状态预测与动作生成保持一致并具有足够的几何感知能力来提高世界动作模型（WAMs）的有效性。SG-WAM通过在策略派生表示空间中直接学习几何感知、动作条件化动力学来实现这一点，利用了可学习的动力学令牌和自我指导的世界预测器。该框架表现强劲，在LIBERO上实现了98.5%的平均成功率，在LIBERO-Plus上实现了73%，在模拟和现实世界的评估中均优于现有基线。 AI
排序理由 该集群描述了一篇发表在arXiv上的新研究论文，详细介绍了一个用于机器人技术的新颖框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
