arXiv · 机器人与计算机视觉· Run Wang, Yilin Mo, Liang Wu·· 6 天前AI 评分65
基于动作仿射世界模型的快速推理时策略精炼
Fast Inference-Time Policy Refinement via Action-Affine World Models
AI 导读
针对模仿策略执行误差累积导致失败的问题,本文提出动作仿射世界模型(A²WM),利用预训练策略的标称行为,离线从扰动轨迹中学习局部动作敏感性。该模型直接预测完整规划时域内的任务几何变化,结合二次惩罚与线性约束构建凸二次规划问题,仅需一次模型评估和一次求解即可完成在线修正,且冻结策略与模型权重。
来源:arXiv · 机器人与计算机视觉 · arxiv.org