arXiv · 机器人与计算机视觉· Ziyu Zhu, Zhaoxu Sun, Fan Jiang, Chiyu Wang, Junfeng Ni, Mu Xu·· 2026-10-15AI 评分70
OneLA:从潜在动作中学习多元世界
OneLA: Learning Many Worlds from Latent Actions
AI 导读
针对跨域世界模型中动作接口差异及标注稀缺问题,论文提出 OneLA 框架,利用共享正交字典和通用预测目标学习连续潜在动作,无需任务特定设计或跨域对齐损失。该潜在动作为世界模型提供统一条件控制接口,配合轻量适配器将原生指令映射至同一空间。实验显示,OneLA 在跨域动作读出上表现更好,相比最强基线降低动作循环转移旋转误差 24.8%,真实场景生成的人类偏好分数提升 20.5%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org