PulseAugur
中
实时 10:30:51
English(EN) Hierarchical Planning with Latent World Models

新的AI架构HWM利用多尺度世界模型改进长时规划

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了具有潜在世界模型的层次化规划（HWM），这是一种用于改进具身AI长时规划的新架构。HWM利用在共享潜在空间中以多个时间尺度训练的世界模型，使得长时模型的预测能够在没有明确特定任务奖励或策略的情况下指导短时规划。该系统还包含一个动作编码器，将原始动作压缩为潜在的宏观动作，使长时搜索更易处理。在实际操作任务中，HWM的成功率为70%，显著优于仅有0%成功率的单层规划，并在模拟任务中将规划计算量减少了高达3倍。 AI

影响 这项研究可以显著提高具身AI代理在复杂、长时任务中的能力。

排序理由 这是一篇详细介绍新AI架构和规划范式的研究论文。

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Wancong Zhang, Basile Terver, Artem Zholus, Soham Chitnis, Harsh Sutaria, Mido Assran, Randall Balestriero, Amir Bar, Adrien Bardes, Yann LeCun, Nicolas Ballas ·

    Hierarchical Planning with Latent World Models

    arXiv:2604.03208v2 Announce Type: replace Abstract: World models are a promising path to zero-shot embodied control through planning. However, existing world model planners struggle on long-horizon, multi-stage tasks: prediction errors compound and naive search is exponential in …

相关话题