精选理由
这篇论文提出了新方法 OTF，能在有干扰的场景下解耦动作源。OFT-LAM 和 OFT-LAM-Dino 两种变体在零样本迁移和复杂环境下表现不错，适合做多物体交互推理的研究者看看。
Observed Transition Factorization (OTF) 将每个过渡分解为稀疏的观察过渡原语，用于解耦智能体动作与干扰物、相机动态等。基于此，OTF-LAM 在标准逆向正向动力学框架中将运动原语抽象为动作潜变量，而 OTF-LAM-Dino 则在冻结的 DINOv2 表示空间中预测未来状态，无需解码器。实验表明，OTF 原语在控制载体和形态变化下零样本迁移，下游策略学习性能在复杂过渡歧义下匹配或优于基线。
AI 翻译 · 中文
Observed Transition Factorization (OTF) 将每个过渡分解为稀疏的观察过渡原语，用于解耦智能体动作与干扰物、相机动态等。基于此，OTF-LAM 在标准逆向正向动力学框架中将运动原语抽象为动作潜变量，而 OTF-LAM-Dino 则在冻结的 DINOv2 表示空间中预测未来状态，无需解码器。实验表明，OTF 原语在控制载体和形态变化下零样本迁移，下游策略学习性能在复杂过渡歧义下匹配或优于基线。
Latent Action Models (LAMs) learn action-like proxies from observation transitions. However, in multi-object or distractor-rich scenes, these visual effects mix agent motion with distractors, camera dynamics, and backgro…