arXiv · 多模态、视频与世界模型· Kowndinya Boyalakuntla·· 3 天前AI 评分34
超越策略对齐：PL-MPC 闭合学习世界模型机器人控制的规划—学习循环
Beyond Policy Alignment: Closing the Planning-Learning Loop for Robot Control with Learned World Models
AI 导读
研究者提出 PL-MPC（Planning-Learning MPC），通过改进 critic 监督与规划器终端价值估计，闭合学习世界模型机器人控制的规划—学习循环。HumanoidBench 上，balance-hard 的 TAR 从 $98±18 升至 $387±255，hurdle 从 $199±13 升至 $466±200，表现仍具任务依赖性。
来源：arXiv · 多模态、视频与世界模型 · arxiv.org