新的感官运动世界模型学习与行动对齐的表征

研究人员引入了一种新颖的感官运动世界模型（SMWM），旨在改进AI在其环境中感知和行动的方式。与仅关注视觉保真度或简单状态预测的传统模型不同，SMWM集成了逆动力学正则化。该技术迫使模型的潜在状态保留导致转换的动作信息，从而将表征偏向环境的可控方面，并丢弃无关的干扰项。SMWM方法能够从离线、无奖励的数据中实现稳定、端到端的训练，并在各种控制任务上取得有竞争力的规划性能。 AI

影响 这项研究可能带来更强大的AI代理，通过学习更相关的表征来更好地理解和与复杂环境互动。

排序理由 介绍新模型架构和训练方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• ScienceCast
• Sensorimotor World Model
• SMWM

• 论文
• 模型发布

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