研究人员开发了OneLA,一个新颖的框架,旨在为跨领域的世界模型学习统一的控制空间。该方法利用直接从视频中提取的潜在动作,无需显式的动作监督。OneLA采用共享正交字典和通用预测目标来学习这些潜在动作,将动作周期迁移旋转误差降低了24.8%,并将真实场景生成的用户偏好得分提高了20.5%。该框架旨在实现能够从各种视频中学习并可通过此学习到的潜在动作空间进行控制的通用世界模型。 AI
影响 通过为多样化的视频数据提供统一的潜在动作空间,实现了更通用的世界模型。
排序理由 研究论文,详细介绍了学习世界模型中潜在动作的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- OneLA
- ScienceCast
- Scite
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →