世界模型规划引入动作连续性先验LG-DKGP
Rethinking Actions: Continuity-Aware Priors for World-Model Planning
AI 摘要
Shaobo Yang等提出LG-DKGP,一种基于局部门控深度核高斯过程的动作先验,用于视觉世界模型规划。方法从专家示范的时间结构中学习动作延续:融合近期与更早的动作历史预测神经延续,并用高斯过程学习时序残差,训练得到的探索尺度用于初始化搜索。在五个环境中的宏平均成功率达87.07%,优于不利用动作连续性的基线。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。