跳到正文
arXiv cs.RO· Konstantinos Mylonas, Thrasyvoulos Spyropoulos·· 1 天前AI 评分42

用扩展课程学习潜在目标代价:冻结视觉世界模型下的图像目标规划

Learning Latent Goal Costs for Visual World-Model Planning with an Expanding Curriculum

AI 导读

研究在冻结的 I-JEPA 视觉世界模型上拟合小型残差适配器,以改进基于嵌入 MSE 的潜在目标代价,无需重训编码器或世界模型。在 DotWall 与 PointMaze 各 50 例配对评测中,成功率分别从 54% 提升至 98%、从 82% 提升至 96%;16 个未见 DotWall 布局-目标案例上,潜在代价排序与最短合法路径排序的一致率从 71.9% 升至 85.8%。

来源:arXiv cs.RO · arxiv.org