跳到正文
arXiv · 机器人与计算机视觉· Abu Anas Ibn Samad·· 2 天前精选AI 评分83

Frame First, Decode Once:面向系统一世界模型的物体中心坐标与单次解码方法

Frame First, Decode Once: Object-Centric Coordinates and Single-Pass Decoding for System-1 World Models

AI 导读

论文研究了当单步原语解码器作为系统一世界模型时的关键因素。在 ManiSkill3 PushT-v1 和 lerobot/pusht 数据集上,将输入输出表达为物体初始姿态的 SE(2) 坐标系比世界坐标系降低决策后悔值 1.9-2.2 倍;单步解码延迟为 1.6-1.8 毫秒,优于迭代扩散模型。

推荐理由

该研究对比了单步解码与迭代解码在系统一世界模型中的表现,证实物体坐标系能显著降低决策后悔值且单步解码延迟更低。

来源:arXiv · 机器人与计算机视觉 · arxiv.org