跳到正文
热点事件持续更新

LeWM模型引入NGC方法提升规划成功率

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

Zunzhi You等作者提出邻域图代价(NGC)方法,旨在优化LeWM潜空间世界模型的规划性能。该方法通过计算互最近邻图上的最短路径距离,替代传统的L2终端代价,且无需重新训练模型,有效避免了基于环境范数规划易陷入虚假低效区域的问题。 在两个房间(TwoRoom)和机械臂(Reacher)等基准任务中,NGC显著提升了LeWM的规划成功率。具体而言,在最远目标偏移测试中,NGC使TwoRoom任务成功率达到95%,Reacher任务达到100%;相比之下,使用L2代价时这两项任务的成功率仅为27%和81%。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月20日
  1. arXiv · ML
    LeWM 使用 NGC 规划:沿潜流形距离提升成功率

    LeWM 使用基于环境范数的规划易陷入虚假低效区域,NGC 通过计算互最近邻图上的最短路径距离来替代 L2 终端代价,且无需重新训练。 在四个基准任务中,NGC 均提升了 LeWM 的规划成功率,在 TwoRoom 和 Reacher 最远目标偏移测试中,NGC 成功率分别达 95% 和 100%,而 L2 代价仅为 27% 和 81%。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。