11:14
官方账号arXiv cs.AI@Zuojin Tang, Feifan Luo, Haoyun Liu, Botai Yuan, Dekang Qi, Ronghan Chen, Yandan Yang, Tong Lin, Xinyuan Chang, Mu Xu, Bin Liu, De Ma, Zhiheng Ma
推荐理由：DLAM用对角高斯分布建模潜动作，解决了时间一致性差和误差累积问题，在多个机器人基准上提升了策略性能。
时间约束
共 1 条相关 AI 资讯
7月30日
11:14
DLAM是一种分布性潜在动作模型，将每个转移表示为对角高斯分布，通过归一化组合和反转约束均值和方差。与现有潜动作基线相比，DLAM在保留态视频上学习到更一致的时间动态，并取得更强的直接与累积重建效果。在π_0迁移协议下，DLAM在MetaWorld MT50、LIBERO和真实机器人操作任务上提升了策略性能。消融实验表明，归一化均值约束贡献了大部分重建增益，而学习方差与相关性感知组合在下游控制中提供互补改进。