arXiv · ML· Xinyu Zhang, Zhengtong Xu, Yutian Tao, Yeping Wang, Yu She, Abdeslam Boularias·· 2026-10-07AI 评分28
RLA-WM:基于残差隐式动作学习视觉特征世界模型
Learning Visual Feature-Based World Models via Residual Latent Action
AI 导读
研究提出基于 DINO 残差学习残差隐式动作(RLA),并构建 RLA-WM 模型预测视觉特征。 RLA-WM 通过 flow matching 预测 RLA,在模拟和真实数据集上性能超越 SOTA 视觉特征及视频扩散世界模型,速度比视频扩散快数个数量级。 该方法支持无动作视频训练,提升了 LIBERO 及真实机器人上的 VLA 策略学习效果。
来源:arXiv · ML · arxiv.org