HaM-World

HaM-World模型通过选择性记忆和哈密顿动力学增强AI规划能力

研究人员推出了一种新颖的结构化世界模型HaM-World，旨在提高强化学习中规划的稳定性和准确性。该模型将潜在状态分解为规范（q, p）和上下文（c）子空间，并结合Mamba选择性状态空间记忆来处理历史条件输入。HaM-World利用软哈密顿向量场进行动力学预测，在DeepMind Control Suite任务上表现出卓越的性能，并增强了对分布外扰动的鲁棒性。