arXiv · 机器人与计算机视觉· Xinyu Zhang, Zhengtong Xu, Yutian Tao, Yeping Wang, Yu She, Abdeslam Boularias·· 2026-10-07精选AI 评分80
Learning Visual Feature-Based World Models via Residual Latent Action
Learning Visual Feature-Based World Models via Residual Latent Action
AI 导读
该论文提出了一种名为 RLA-WM 的视觉特征世界模型,利用从 DINO 残差中学习的残差潜在动作(RLA)表示来预测未来状态,相比直接回归更清晰且不易幻觉。该方法在仿真和真实数据集上优于最先进的视频扩散模型,速度提升数个数量级。
推荐理由
提出基于残差潜在动作的世界模型,在仿真与真实数据集上优于现有方法,并展示了提升策略学习的两项机器人技术。
来源:arXiv · 机器人与计算机视觉 · arxiv.org