arXiv · 机器人与计算机视觉· Konstantinos Mylonas, Thrasyvoulos Spyropoulos·· 3 天前AI 评分74
学习潜在目标成本以支持视觉世界模型的规划:基于扩展课程的方法
Learning Latent Goal Costs for Visual World-Model Planning with an Expanding Curriculum
AI 导读
针对冻结视觉世界模型中图像 - 目标规划依赖预测观测评分的问题,本文提出在预训练 I-JEPA 嵌入上拟合小残差适配器来优化潜在目标成本。该方法利用成功轨迹的观测顺序及失败回滚推断的比较进行学习,无需任务特定进度标签。
来源:arXiv · 机器人与计算机视觉 · arxiv.org