arXiv · 多模态、视频与世界模型· Takumi Hara·· 2 天前AI 评分64
论文提出面向成功标准的辅助损失以改进潜在世界模型规划
Supervise What Decides Success: Criterion-Aligned Auxiliary Losses for Latent World-Model Planning
AI 导读
该论文提出一种以成功标准物理量为训练目标的辅助损失，用于提升潜在世界模型对任务成败的区分能力。作者在四个潜在世界模型中发现，末端执行器位置的潜在编码误差超过成功标准允许范围；该方法仅在训练阶段增加回归头，在 PushT 和 cube 上分别带来 3.5% 和 3.4% 的绝对成功率提升，训练后会丢弃回归头。论文链接为 https://arxiv.org/abs/2610.01224v1
来源：arXiv · 多模态、视频与世界模型 · arxiv.org