WA-LQR

新方法利用可解释性增强世界动作模型的鲁棒性

研究人员开发了一种新方法来提高世界动作模型（WAMs）在分布变化下的鲁棒性。通过采用机制可解释性，他们发现一些WAM架构对关键特征表现出线性可分性，从而能够进行无需训练的引导。这种方法催生了世界动作线性二次调节器（WA-LQR），这是一种能够提高对视觉噪声以及相机或夹具配置变化等各种扰动鲁棒性的控制器。WA-LQR在Cosmos-Policy和DiT4DiT等模型上展示了改进的性能，同时预测LingBot-VA的引导能力较弱。