跳到主要内容
检索

# 基于模型的强化学习

4 篇关联报道

订阅更新
  1. arXiv

    四旋翼不再只靠隐状态记路：ScanDreamer 把在线地图写进想象，成功率96.3%、碰撞3.6%

    面向未知杂乱环境中的四旋翼导航，ScanDreamer 用深度图与位姿在线构建二维扫描记忆地图，并让世界模型、演员与评论家都以这张地图为条件，想象时在冻结地图上推进位姿、由地图几何给出测地进度与撞墙信号。在 NVIDIA Isaac Sim 的1560个未见布局与参数区间测试回合上，三个随机种子平均成功率为96.3%、碰撞率为3.6%；同一在线交互预算下，AirDreamer 的成功率为59.6%、碰撞率为28.8%。

    Nanyang Technological UniversityVinUniversity
    Yunyi Gao（第一作者）
    ScanDreamer地图世界模型四旋翼导航世界模型占据栅格建图基于模型的强化学习
  2. arXiv

    共享驾驶的辅助智能体学会先猜意图：高速赛车与城市驾驶中扭矩对齐和碰撞率均有改善

    共享控制中的辅助智能体既要主动贴合人的意图，又要让人看得懂、接得上。Dream2Assist 在循环状态空间世界模型上加入意图推断，用虚构协同博弈训练辅助策略，在不取代人类决策的前提下预判离散的人类目标。三项人类被试研究和一次初步实车部署覆盖高速赛车（N=30）与意图结构更丰富的城市驾驶（N=10），结果显示意图条件化在扭矩对齐和碰撞率上带来可测量的改善。

    Jonathan DeCastro（第一作者）
    Dream2Assist基于模型的强化学习世界模型意图推断共享决策
  3. arXiv

    世界模型不再逐步递归：一次前向生成H步假设轨迹，人形与四足任务直接优化价值展开

    基于模型的强化学习改用分块世界模型做可微的训练期评估器，一次前向生成H步假设轨迹并直接优化价值展开，在HumanoidBench的19个高维人形任务上评估，并部署到真实四足与双足行走。

    Shanghai Innovation InstituteShanghai Jiao Tong UniversityWestlake University
    Weixi Song（第一作者）
    分块世界模型基于模型的强化学习人形机器人运动控制
  4. arXiv

    VIGOR 用潜空间一致性让基于模型的强化学习在未见视觉干扰下零样本泛化，在 DMC 与 Robosuite 上分别超出次优基线 3.4% 与 43.6%

    作者提出 VIGOR 框架，通过非对称弱到强增强、动力学层一致性（直接潜回归约束增强不变的转移预测）与编码器层稳定化三个相互依赖的组件，在保留基于模型强化学习样本效率的同时实现对未见视觉干扰的零样本泛化，在 DeepMind Control Suite 与 Robosuite 上超过当前最优的无模型与有模型基线，分别比次优基线高 3.4% 与 43.6%，消融显示更换不同扰动族的增强方式仍保持强泛化，说明驱动鲁棒性的是潜空间一致性而非增强选择。

    Mingyu Park（第一作者）
    VIGOR框架潜空间一致性零样本视觉泛化基于模型的强化学习

已读完全部报道