arXiv · 机器人与计算机视觉· Zhaolu Kang, Tailong Luo, Lei Wei, Guangyuan Dong, Sihan Liu, Yingjie He, Siheng Wang, Shuaibo Li, Rongchao Zhang, Zhen Tian, Richeng Xuan, Zhichao Hu·· 27 天前精选AI 评分80
DRILL:通过改进策略而非预测像素来训练世界模型
DRILL: Training World Models to Improve Policies, Not Predict Pixels
AI 导读
论文指出当前世界模型多用于预测下一帧像素,但这并非强化学习中想象回放的唯一目的;作者提出 DRILL 框架,利用下游回报信号更新世界模型。实验显示该方法在五个操作仿真器和两个 VLA 骨干上均能提升策略成功率,且能与 RLVR 预训练互补而非竞争。
推荐理由
提出 DRILL 框架,证明以策略效用为目标的世界模型训练优于单纯像素预测,在多个仿真器与 VLA 骨干上提升成功率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org