arXiv · ML· Konstantinos Mylonas, Thrasyvoulos Spyropoulos·· 4 天前AI 评分25
通过扩展课程学习潜在目标成本,提升冻结视觉世界模型的规划效果
Learning Latent Goal Costs for Visual World-Model Planning with an Expanding Curriculum
AI 导读
在冻结 I-JEPA 嵌入上训练小型残差适配器,利用轨迹顺序学习潜在目标成本。 在 DotWall 和 PointMaze 测试中,规划成功率分别从 54% 提升至 98% 和从 82% 提升至 96%。 该方法无需重新训练编码器或世界模型,仅通过规划经验即可优化视觉表示的目标成本评估。
来源:arXiv · ML · arxiv.org