跳到正文
arXiv · 机器人与计算机视觉· Chu Lin, Yi Sun·· 28 天前精选AI 评分78

物理参数偏移下的因果世界模型

Causal world models under physical parameter shifts

AI 导读

针对世界模型在物理条件超出训练分布时精度下降的问题,本文研究了输入选择与计算机制两个因果建模组件。在合成基准中,冻结的依赖掩码将 OOD 均方根误差从 1.769 降至 0.697;在 CausalWorld 机器人连杆质量外推任务中,引入显式仿射系数的指端局部世界模型,使已知 PD 控制器下的关节 R2 中位数从 0.609 提升至 0.727。

推荐理由

该工作通过显式参数化动力学偏置项,使因果世界模型在物理参数发生偏移时仍能保持预测精度。

来源:arXiv · 机器人与计算机视觉 · arxiv.org