跳到正文
arXiv · 机器人与计算机视觉· Siqiao Huang, Partha Kaushik, Michael Chen, Hengkai Pan, Kaiwen Geng, Omar Chehab, Fernando Moreno-Pino, Max Simchowitz·· 15 天前AI 评分53

Compression Forcing:分层历史分词实现灵活的世界模型

Compression Forcing: Hierarchical History Tokenization Enables Flexible World Models

AI 导读

该论文针对现有世界建模方法过度依赖视频生成机制、忽视预测效用的问题,提出 Compression Forcing (CF) 框架。其核心包含动力学感知分词 (DAT),将历史观测按动力学显著性降序压缩;以及基于扩散骨干的分层历史引导 (HG-H),在推理时选择性放大关键信息。实验表明该方法在多环境下的预测保真度、物理真实感及下游决策性能均得到提升,确立了其在世界建模中的灵活性与有效性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org