CausalDreamer

CausalDreamer 通过解耦的潜在表征增强了 AI 世界模型

研究人员开发了 CausalDreamer，这是一种通过解耦潜在表征来增强 AI 控制世界模型的新方法。与使用通用视频分词器之前的方​​法不同，CausalDreamer 冻结了分词器，并将其潜在输出重新编码为因子化表征。这种新的表征将可控方面与不可控方面分开，并区分了与奖励相关和与奖励无关的信息。在 MMBench2 任务上进行测试时，CausalDreamer 在操纵现有任务的变体上表现出比基础世界模型更好的性能。