跳到正文
arXiv · 机器人与计算机视觉· Jakub Suliga, Pankhuri Vanjani, Nisarga Nilavadi, Wolfram Burgard, Rudolf Lioutikov·· 8 天前精选AI 评分78

预训练潜在世界模型的少样本残差适应

Few-Shot Residual Adaptation of Pretrained Latent World Models

AI 导读

针对预训练潜在世界模型在部署时因物理动力学改变而失效的问题,本文提出一种无需修改预训练权重或识别具体参数变化的少样本残差适应方法。该方法通过自监督学习从潜在预测误差中获取修正项,同时应用于潜在预测器内部及其预测的潜在状态,且保持预训练世界模型冻结。

推荐理由

该文提出一种冻结预训练权重的少样本残差适应方法,在质心与摩擦变化场景下恢复机器人控制成功率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org