arXiv cs.LG· Chu Lin, Yi Sun·· 12 天前AI 评分34
物理参数偏移下的因果世界模型研究
Causal world models under physical parameter shifts
AI 导读
研究人员针对物理条件超出训练分布时预测精度下降的问题，提出了结合因果建模与显式动力学机制的世界模型。在机器人 CausalWorld 连杆质量外推测试中，该模型将超范围质量转化为稳定预测增益，150 步推演的中位数关节 R2 从 0.609 提升至 0.727。在 100 步预测中，学得力矩模型的表现达到中位数 R2 0.755-0.768，可匹敌最强的循环机器人世界模型。
来源：arXiv cs.LG · arxiv.org