跳到正文
arXiv · ML· Mintae Kim, Koushil Sreenath·· 4 天前AI 评分40

WATO 通过可微轨迹优化实现联合世界动作模型

Joint World Action Models through Differentiable Trajectory Optimization

AI 导读

联合世界动作模型生成的轨迹往往缺乏任务有效性。WATO 通过联合优化动作与状态,利用可微任务损失训练生成器,提升了轨迹的动态一致性。 在 7 个视觉控制环境中,WATO 将平均成功率从模仿学习的 79.9% 提升至 91.7%,并优于多种强化学习基线。 部署阶段无需迭代优化,相比 CEM 平均快 11.5 倍,且使用的世界模型评估次数减少 600.5 倍。

来源:arXiv · ML · arxiv.org