LEARNING
用于具身动作条件世界模型的因果去偏潜在动作模型
Yufan Wei, Kun Zhou, Lingjun Mao, Zijun Zhang, Ziming Xu, Ziqiao Xi, Shuang Liang, Ruobing Han, Yuchen Yan, Xinyue Wang, Fan Feng, Biwei Huang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
该论文提出了一种因果去偏框架CD-LAM，用于解决潜在动作模型在动作条件世界模型中存在的动作无关偏差问题。通过引入以具身为中心的重建、以动作为中心的对比学习和潜在空间校准三个微调目标，有效提升了模型的动作可控性和鲁棒性。
关键词
world modelslatent actioncausal debiasingembodied AIaction conditioning
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018