arXiv Robotics· Yinuo Jiang, Guangzhi Wang, Yiran Wang, Junfu Pu, Cheng Cheng, Honghao Chen, Cheng Cheng, Ying Shan·· 5 小时前AI 评分26
DIAL：面向目标条件潜在规划的动力学知情动作学习
Dynamics-Informed Action Learning for Goal-Conditioned Latent Planning
AI 导读
研究提出 Dynamics-Informed Action Learning（DIAL），通过 rollout alignment 让前向模型接触自身自回归潜在预测，并用多步逆监督训练轻量逆动力学头。
推荐理由模型分析
针对潜在世界模型训练与规划脱节的两个具体问题：教师强制训练未暴露于自回归预测状态，采样规划器又缺少目标相关初始化。DIAL用rollout对齐、多步逆动力学监督和逆头初始化CEM均值来衔接二者，并在四个视觉控制基准的标准与长程场景中与现有潜在世界模型和规划基线比较。做视觉规划或世界模型的研究者可据此判断逆动力学初始化对CEM搜索的实际增益及适用条件。
来源：arXiv Robotics · arxiv.org