arXiv · ML· Kevin Chen, Yu-Wei Zhan, Haoran Liang, Sen Cui, Changshui Zhang·· 7 小时前AI 评分36
HWM：基于结构化潜变量动力学的长时程具身世界模型
Structured Latent Dynamics for Long-Horizon Embodied World Models
AI 导读
HWM 框架通过引入耗散哈密顿动力学来结构化潜变量状态演化，提升了具身世界模型长时程预测的稳定性。 该模型在通用相空间中表示潜变量，无需重新设计感知或解码组件，即可整合到现有世界模型架构中。 在 Cosmos-Predict2.5-2B 和 AgiBot World 真实轨迹上的测试中，HWM 分别提升了 2.7% 的任务成功率、9.7% 的 nDTW 指标。
来源：arXiv · ML · arxiv.org