LEARNING
迈向预测性、对齐且可扩展的机器人学习
Peijun Tang, Shangjin Xie, Baifu Huang, Binyan Sun, Haotian Yang, Kuncheng Luo, Weiqi Jin, Shilin Fang, Jianan Wang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出Lumo-2，一种潜在世界-动作模型，通过在潜在空间中推理世界动态来生成动作，并采用多阶段模态预对齐策略提升动作表征与下游控制性能的一致性。该方法旨在实现轻量级、聚焦物理动态的预测性推理，同时解决重建目标与操控性能之间的偏差问题。
关键词
robot learningworld modellatent spacecross-modal alignmentaction generation
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