TurboWAM: Изучение того, что важно для моделей быстрых действий в мире

arXiv: 261 030.33941v 1 Annuatece Type: New Human Abstract Models продемонстрировали многообещающие результаты обучения по вопросам политики роботов, однако их высокая степень запоздалости остается критическим препятствием для реального развертывания. Недавние подходы направлены на повышение эффективности выводов за счет уменьшения воображения в пробном режиме будущего или ускорения прогнозирования действий. Однако эти методы часто позволяют получить представление от всех слоев видеомоделей без конкретного учета их различной значимости для прогнозирования действий, что приводит к избыточному расчету и неоптимальному использованию представления. В этой работе мы предлагаем TurboWAM, быстродействующую мировую модель действий, которая эффективно агрегирует структурированные представления в мире на основе прогнозов действий. В частности, TurboWAM вводит структурированный модуль агрегирования мирового представительства, который адаптивно взрывает представления из различных слоев мировой модели в зависимости от их значимости для меняющегося денонсирующего состояния действия. Вымыть