Hugging Face Daily Papers·· 24 天前AI 评分74
Rollback:通过世界模型回溯实现策略改进的范式
Rollback: Experience Backtracking in World Models for Policy Improvement
AI 导读
Rollback 将世界模型从单向模拟器转变为反事实引擎,支持回溯至关键决策点并分支探索替代动作,从而在不依赖独立学习价值模型的情况下生成细粒度监督信号。该方法构建了分布式世界模型搜索与异步真实机器人执行的统一训练系统,利用真实过渡数据通过轻量级 LoRA 管道修正动力学(测试时物理 grounding)。
来源:Hugging Face Daily Papers · arxiv.org