返回全部动态

Beckmann 世界模型:面向一步动作条件预测的终端映射学习

原标题:Beckmann World Models: Direct Terminal-Map Learning for One-Step Action-Conditioned Prediction

arXiv cs.CV一手来源研究质量 80

AI 摘要

论文提出 Beckmann World Models(BWM),将 Beckmann Transport Models 的终端映射守恒律适配到动作条件视频预测,无需预训练生成教师即可从噪声、视觉历史和动作直接一步预测未来帧。作者指出传输一致性无法保证纯噪声输入下的预测精度,因此引入端点对齐训练,直接监督源预测并强调运动与空间结构。在 PushT 和 Robomimic Can 上,最终模型相比同骨干回归基线分别降低 64 帧预测 MSE,并在策略评估中取得最低平均 IoU 误差。

以上摘要由 AI 生成,可能存在误差。事实请以原文为准。

正文节选

Beckmann World Models: Direct Terminal-Map Learning for One-Step Action-Conditioned Prediction Abstract Action-conditioned world models support planning and policy evaluation by predicting future states. However, learning an accurate one-step predictor can require substantial training computation. We introduce Beckmann World Models (BWM), which learn a direct map from noise, visual history, and actions to future frames without a pretrained generative teacher. We adapt the terminal-map conservati


发布时间:2026-10-21 12:00
抓取时间:2026-10-21 13:04
来源机构:arXiv
阅读原文arxiv.org