English(EN) AFTER: A World Model with Adaptive Fast--Slow Timescales for Error-Driven Retention

新型世界模型AFTER-WM可适应机器人动态变化

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-14 05:00

研究人员开发了AFTER-WM，这是一种专为机器人和具身智能设计的新型世界模型，旨在应对机器人动力学突然、持续变化时的适应性挑战。与现有模型在响应性、稳定性和持久性方面存在的不足不同，AFTER-WM利用自适应快慢时间尺度进行误差驱动保留。这种方法使其能够及时响应变化，区分持久性转变和瞬时干扰，并随着时间的推移保留适应后的动力学。在模拟机器人数据集和真实无人机数据上进行测试，AFTER-WM与其他十种模型相比，在多步平均误差更低、平均回报更高方面表现更优。 AI

影响增强了机器人对动态环境的适应性，可能提高在自主导航和操作等复杂任务中的性能。

排序理由详细介绍新AI模型的学术论文。[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 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍新AI模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Haoyi Zhang, Qi Zhang, Yunfan Ren, Yi Bin, Lei Zhu, Heng Tao Shen · 2026-11-14 05:00

AFTER：一种具有自适应快慢时间尺度的误差驱动保留世界模型

arXiv:2611.15215v1 Announce Type: new Abstract: In robotics and embodied AI, a core challenge for world models is adapting to sudden, persistent, yet initially unknown changes in robot dynamics during interaction. For instance, when a robotic arm grasps an object with an unknown …

本文如何被排名

报道来源 [1]

AFTER：一种具有自适应快慢时间尺度的误差驱动保留世界模型

相关实体

相关话题