PAVXploreRL

新的强化学习框架PAVXploreRL增强了具身AI世界模型

研究人员推出PAVXploreRL，一个旨在通过创建更准确的动作条件世界模型来改进具身AI的新型强化学习框架。该框架明确优化物理合理性、动作依从性和视觉保真度（PAV目标），并使用噪声驱动的探索来更好地泛化到分布外动作，这与以往仅依赖专家演示的模型不同。实验表明，PAVXploreRL在基准测试中的平均收益达到5.6%，并且作为策略评估器提供更可靠的性能估计，减少了高估偏差。