Компьютерные науки > Робототехника [представлен 26 октября 2026 года] Название: Rollback: Опыт, накопленный в работе World Models for PDF Schevelling View (экспериментальный) Резюме: Мировые модели с условиями действия являются масштабной альтернативой дорогостоящему реальному взаимодействию для улучшения политики роботов. Вместе с тем существующие методы, основанные на использовании мировых моделей, в основном рассматривают мировые модели как только передние заменители физической среды, оставляя неиспользованные возможности, которые не могут быть обеспечены физической средой: перемотав назад к моментам принятия решений для изучения контрфактических перспектив. Мы введем парадигму совершенствования политики, которая превращает мировые модели из пассивных имитаторов в контрфактические двигатели: она возвращается к критическим точкам принятия решений, вертится на альтернативные действия и сопоставляет их результаты для отнесения успеха к индивидуальным решениям. Это концентрирует воображение там, где оно имеет наибольшее значение и приводит к получению контрфактических результатов в виде мелкозернистого надзора на уровне действий без отдельной модели ценностей. Мы создаем масштабируемую систему подготовки кадров, которая унифицирует распределенный поиск мировой модели асинхронной казнью реальных роботов и формирует самоподкрепляющийся цикл: реальный опыт постоянно улучшает мировую модель, а более четкая мировая модель в свою очередь стимулирует дальнейшее улучшение политики.…
Свертывание деятельности: использование накопленного опыта в области использования мировых моделей совершенствования политики
arXiv: 261 030,36068v 1 Annuales Type: кросс-бюллетень: Условные действия модели мира предлагают масштабируемую альтернативу дорогостоящему взаимодействию в реальном мире для совершенствования политики роботов. Вместе с тем существующие методы, основанные на использовании мировых моделей, в основном рассматривают мировые модели как только передние заменители физической среды, оставляя неиспользованные возможности, которые не могут быть обеспечены физической средой: перемотав назад к моментам принятия решений для изучения контрфактических перспектив. Мы введем парадигму совершенствования политики, которая превращает мировые модели из пассивных имитаторов в контрфактические двигатели: она возвращается к критическим точкам принятия решений, вертится на альтернативные действия и сопоставляет их результаты для отнесения успеха к индивидуальным решениям. Это концентрирует воображение там, где оно имеет наибольшее значение и приводит к получению контрфактических результатов в виде мелкозернистого надзора на уровне действий без отдельной модели ценностей. Мы строим масштабируемую систему подготовки, которая объединяет распределенный поиск мировой модели с асинхронным реальным роботом