Large Wireless Model
PulseAugur coverage of Large Wireless Model — every cluster mentioning Large Wireless Model across labs, papers, and developer communities, ranked by signal.
-
新型潜在世界模型提高机器人导航精度
研究人员开发了一种新的机器人导航潜在世界模型（LWM），该模型预测条件动作的潜在特征兼容性，而不是重建观测值。这种方法利用潜在空间中的空间邻近性来评估动作后果，并通过预测更接近目标的序列来支持反事实训练。LWM还可以从无标签视频数据中监督策略学习，并通过在世界模型内进行强化学习来改进策略，无需动作标注或额外的环境交互。在真实机器人导航数据集上的实验表明，与现有方法相比，预测精度和导航性能有了显著提高。
-
新的世界模型通过潜在规划增强机器人导航
研究人员开发了新的机器人导航世界模型，以改进规划和执行。一种方法，潜在世界模型（LWM），预测条件动作的潜在特征兼容性，而不是重建观测值，从而允许在潜在空间中进行直接评估，并能够从无标签视频数据中学习策略。另一个模型Hydra通过为视觉状态、物理姿态和控制动作创建统一的潜在流形来解决表示不匹配问题，从而实现离散潜在规划和连续流匹配执行，以实现物理机器人上的实时控制。
-
AI代理将用新台币2000元自主交易股票30天
作者将启动一项为期30天的实验，一个基于DuDuClaw平台的AI代理将自主管理一个真实股票交易账户，初始资金为新台币2000元。主要目标是测试大型语言模型（LLM）是否能演变成一个大型世界模型（LWM），使其能够在高风险环境中学习和适应，而不仅仅是预测下一个词元。实验将跟踪AI的策略发展、交易决策以及其从成功和失败中学习的能力，目标是使初始投资翻倍。
-
RFPrompt 将无线基础模型适配用于鲁棒的调制分类
研究人员推出 RFPrompt，一个旨在将无线大模型适配于调制分类任务的新型框架。该参数高效方法利用可学习的提示（prompt）令牌，同时保持核心模型冻结，从而能够有效地适应分布外场景。在 Large Wireless Model (LWM) 上的实验表明，RFPrompt 在分布偏移和有限监督情况下，尤其是在真实世界数据下，提高了鲁棒性。