跳到正文
arXiv · 机器人与计算机视觉· Haoyi Zhang, Qi Zhang, Yunfan Ren, Yi Bin, Lei Zhu, Heng Tao Shen·· 6 天前精选AI 评分82

AFTER:一种用于错误驱动保留的具有自适应快慢时间尺度的世界模型

AFTER: A World Model with Adaptive Fast--Slow Timescales for Error-Driven Retention

AI 导读

针对机器人交互中动力学突然且持久变化的适应难题,论文提出了 AFTER-WM 世界模型。该模型受人类大脑预测编码启发,利用预测误差驱动快速修正(衰减)与慢速修正(持久),并动态调整预训练专家的组合权重而不改变其本身,以平衡响应性、稳定性与持续性。

推荐理由

提出 AFTER-WM,利用快慢时间尺度自适应机制解决动力学突变下的预测误差累积问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org