10:34
官方账号arXiv cs.AI@Liangyu Li, Qingwen Liu, Mingqing Liu
推荐理由：这篇论文发现了世界模型选动作的隐性陷阱：候选越多反而越容易选错。ASAR用相邻集合重建的方法，在75个机器人任务上提升了最多28%的成功率，值得搞机器人控制的看看。
动作选择
共 1 条相关 AI 资讯
7月28日
10:34
论文揭示基于采样和潜在世界模型的控制器存在“提议过度生成”问题：当候选动作序列池从72增加到288，可行性从0.375降至0.062（位置目标）、0.344降至0.031（位置加偏航目标），即使大池中始终包含可行序列。作者提出相邻集动作重建(ASAR)方法，通过测量低代价序列的密度并从相邻集重建完整动作。在Carry and Release评估的75个查询中，Kernel ASAR在72、144、288个提议下分别将事件完成成功率提升28.0、24.0、18.7个百分点（潜在成本下）及18.7、20.0、17.3个百分点（轨迹可达性成本下）。