arXiv · AI· Zihan Zhou, Wenxi Xu, Qilin Wang, Hao Tang·· 16 小时前AI 评分23
LATER 提出动作条件化预测世界模型以提升 Two-Stage PushT 成功率
LATER: Learning Action-Conditioned Temporal Evidence Retrieval for Predictive World Models
AI 导读
LATER 基于 CF-JEPA 构建动作条件化世界模型,在 Two-Stage PushT 中将终点成功率从 15.5% 提升至 25.0%。 该模型利用分区记忆存储真实过渡,跨六个模型对比中其物理读出误差最低,在干扰下将 MAE 降低 20.2%。
来源:arXiv · AI · arxiv.org