چکیده
مدل‌های جهان پنهان معمولاً برای پیش‌بینی انتقالات واقعی آموزش می‌بینند، در حالی که کنترل پیش‌بینی مدل (MPC) باید اقدامات جایگزین را از یک وضعیت مشخص کند. بنابراین، یک مدل می‌تواند خطای پیش‌بینی واقعی کم داشته باشد اما در تشخیص اقدامات احتمالی ضعيف عمل نماید. ما AD-WM، یک مدل جهان همپوشانی عمل‑توصیفی برای MPC مضاد‑واقعیتی، را معرفی می‌کنیم. AD-WM از پویایی‌های پنهان باقی‌مانده با تنظیم‌گر بازیابی سطح پیش‌بینی استفاده می‌کند و از پویایی‌های معکوس و یک هدف بازیابی نرمال‌شده که توسط اطلاعات متقابل مشروطه هدایت می‌شود، بهره می‌گیرد. هر دو هدف انتقال‌های برنامه‌ریزی را تشویق می‌کنند تا اطلاعات اقدام حفظ شود؛ در زمان تست، علائم کمکی آن‌ها حذف می‌شوند و MPC تغییر نمی‌کند. در OGBench‑Cube، AD-WM موفقیت شروع سخت را از ۳.۷٪ به ۵۲.۰٪ نسبت به خط پایه LeWM تطبیق‌یافته بهبود می‌بخشد و میانگین موفقیت را در چهار از پنج محیط شبیه‌سازی بالاتر از خط پایه بازسازی شده قرار می‌دهد. تحلیل‌های plan‑roi نشان می‌دهد که خطای پیش‌بینی واقعی و رتبه‌بندی کل بانک اقدامات به‌طور مستقیم با موفقیت حلقه‌بسته همخوانی ندارند، در حالی که پشیمانی برتر هماهنگ شده با CEM موفقیت را دقیق‌تر ردیابی می‌کند. با استفاده از یک کدکننده V‑JEPA 2 previamente آموزش‌دیده و پس‌آموزش DROID تطبیق‌یافته، AD-WM همچنین انتقال بدون شوت به تنظیم فرانکا خود را بهبود می‌بخشد و موفقیت حذفی گرفتن و قرار دادن را از ۴۲.۲٪ به ۷۱.۱٪ افزایش می‌دهد، بدون نیاز به سازگاری خاص آزمایشگاهی. این نتایج نشان می‌دهد که برای پلانینگ، مدل‌های جهان باید تفاوت‌های وابسته به اقدام که برای انتخاب مضاد‑واقعی ضروری هستند را حفظ کنند، نه تنها دقت پیش‌بینی واقعی را بهینه کنند. ویدیوها و کد بیشتر در https://ad-wm.github.io/ در دسترس است.
متن کامل
عنوان: AD-WM: مدل‌های جهانی تفکیک‌عمل برای کنترل پیش‌بینایی مدل چندرئالی
نویسندگان: جیابن قیو، زیشوان چن، هونگی کاثو، جیه‌کی شی، جین هوو، یانغ گاو
خلاصه: مدل‌های جهانی پنهان معمولاً برای پیش‌بینی انتقالات واقعی تدریب می‌شوند، در حالی‌که کنترل پیش‌بینایی مدل (MPC) باید اقدامات جایگزین را از یک وضعیت مشابه مقایسه کند. بنابراین، مدلی ممکن است خطای پیش‌بینی واقعی پایینی داشته باشد اما در تشخیص اقدامات احتمالی ضعیف باشد. ما AD-WM، مدل جهانی ترکیبی با تفکیک عمل برای MPC چندرئالی، معرفی می‌کنیم. AD-WM دینامیک باقی‌مانده پنهان را با تنظیم‌گر بازیابی عمل بر سطح پیش‌بینی ترکیب می‌کند و از دینامیک معکوس و هدف بازیابی نرمال‌شده بر اساس اطلاعات متقابل شرطی استفاده می‌کند. هر دو هدف انتقال‌ها را برای حفظ اطلاعات عمل تشویق می‌کنند؛ مؤلفه‌های کمکی آن‌ها در زمان آزمایش حذف می‌شوند و MPC تغییر نمی‌کند. در OGBench-Cube، AD-WM موفقیت شروع سخت را از ۳.۷٪ به ۵۲.۰٪ نسبت به بنچ‌مارک تطابق‌دار LeWM افزایش می‌دهد و موفقیت میانگین را در چهار از پنج محیط شبیه‌سازی بهبود می‌بخشد. تحلیل‌های برنامه‌ریزی نشان می‌دهد که خطای پیش‌بینی واقعی و رتبه‌بندی عمل در مرحله بسته به ترتیب موفقیت حلقه‌بسته پیروی نمی‌کنند، در حالی‌که نارضایتی برتر هماهنگ‌شده با CEM موفقیت را بهتر ردیابی می‌کند. با رمزگشا V-JEPA 2 فریزشده و آموزش تکمیلی DROID تطابق‌دار، AD-WM انتقال بدون شوت به تنظیمات فرانکا خود را بهبود می‌بخشد و موفقیت اساسی برداشت و قرار دادن را از ۴۲.۲٪ به ۷۱.۱٪ افزایش می‌دهد بدون نیاز به سازگاری آزمایشگاهی خاص. این نتایج نشان می‌دهد که مدل‌های جهانی برای برنامه‌ریزی باید تفاوت‌های وابسته به عمل لازم برای انتخاب چندرئالی را حفظ کنند، نه صرفاً دقت پیش‌بینی واقعی. ویدیوها و کد در این لینک یوتیوب موجود است.
توضیحات: موضوعات: هوش مصنوعی (cs.AI)، رباتیک (cs.RO)
استناد: arXiv:2609.30264 [cs.AI] (یا arXiv:2609.30264v1 [cs.AI] برای این نسخه) https://doi.org/10.48550/arXiv.2609.30264
تمرکز برای یادداشت بیشتر: arXiv-issued DOI از طریق DataCite (در انتظار ثبت)