创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

AFFECT让世界模型捕捉细微动作变化

AI 总结

John Won、Yonghoon Dong和Jinwoo Shin提交了一篇27页预印本,提出辅助训练目标AFFECT,让世界模型学习视觉观测如何响应动作扰动。该方法向任务无关的人类遥操作策略动作中注入时间相关噪声,无需从相同初始状态反复执行。论文报告在OGBench、DROID和ALOHA-2上提升了世界模型保真度,其中DROID策略成功率相关性从0.47升至0.79,规划任务成功率最高提升8.3%。

深度见解

让世界模型对细微动作变化更加敏感,可能提升其在机器人策略评估和基于模型的规划中的可靠性,因为相似动作可能带来截然不同的结果。

Computer Science > Robotics

arXiv:2611.25980 (cs)

[Submitted on 19 Nov 2026]

Title:Learning What Actions Change: Action Effect Matching for Dynamics-Faithful World Models

Authors:John Won, Yonghoon Dong, Jinwoo Shin

View a PDF of the paper titled Learning What Actions Change: Action Effect Matching for Dynamics-Faithful World Models, by John Won and 2 other authors

#AFFECT#OGBench#DROID#ALOHA-2

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。