CoRL 2026 接受视频世界模型潜空间动作相关性研究

2026 年 10 月 27 日，arXiv 更新（v2）了由 Jewon Yeom 等提交的论文《What Makes Video World Model Latents Action-Relevant: Prediction over Reconstruction》。 该研究指出，视频世界模型潜空间中的动作相关性主要由时序视频预训练驱动，而非像素重建保真度。 研究发现，强像素解码质量模型的动作可恢复性可能接近零；而视频预训练的自监督编码器在视觉保真度与动作预测间达成最佳帕累托权衡。 此外，逆动力学监督可显著提升对视觉损坏的鲁棒性。该论文已被 2026 年机器人学习会议（CoRL 2026）正式接受。

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。