SALT模型发布：解决视觉规划预测误差传播

2026年10月30日，arXiv发布新模型SALT（State-Affine Latent Transition）。该模型由Boyuan Zhang等人提出，旨在解决视觉规划中预测误差传播的关键问题。其核心机制是通过动作调节状态转换与加性更新，并利用递归多步rollout进行监督训练。 实验数据显示，SALT在一步预测误差上比LeWM基线高出1.48至2.19倍。然而，模型在四个测试环境中实现了闭环成功率平均10.0个百分点的提升。在OGBench-Cube基准测试中，因执行后成本急剧上升导致失败的episode比例从23.3%显著降低至2.0%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。