跳到正文
AGI Hunt· Phuong Tuan Dat·· 6 小时前AI 评分45

HINT-WAM:用演示视频进行事后监督,在策略自蒸馏世界动作模型

HINT-WAM:用演示视频做「事后诸葛」监督,免奖励训练世界动作模型

AI 导读

新加坡国立大学提出 HINT-WAM,以演示视频作为事后信息,通过在策略自蒸馏后训练世界动作模型(WAM)。学生模型沿自身去噪轨迹生成动作,以示范未来视频为教师条件,并用能量分数将教师蒸馏至流匹配动作专家,无需环境奖励或仿真器交互;在 LIBERO-90 新任务、RoboTwin 2.0 等套件上的成功率显著超过 BC 控制与全量 SFT。

来源:AGI Hunt · agihunt.info