Компьютерные науки > Машинное обучение [представлено 26 октября 2026 года] Название: Video World Models Нужна предсказуемая Latents View PDF HTML (экспериментальная) Резюме: Видео-мировые модели, подготовленные по крупномасштабным данным роботов, обещают безопасный и масштабируемый подход к обучению и оценке политики, действующей в физическом мире. Однако они по-прежнему сталкиваются с давнишними разворотами и недистрибьюцией, и в момент вывода они остаются достаточно требовательными. Как правило, видеомодели мира делают прогнозы в скрытом пространстве обученного реконструкции автоенкодера, который, однако, напрямую не оптимизирован для моделирования динамики. С другой стороны, мировые модели, предназначенные для скрытого планирования, обычно оптимизируют латентные скрытые данные и становятся предсказуемыми, но они отказываются от точного прогнозирования наблюдений в пиксельном пространстве. В настоящем документе мы показываем, что можно достичь лучшего из обоих миров: латентной геометрии, оптимизированной для максимально возможного упрощения будущих прогнозов без ущерба для точного прогнозирования будущих наблюдений. Если говорить точнее, то мы считаем, что временные цели обучения представленности в сочетании с архитектурой декодера при прошлых условиях приводят к последовательному усовершенствованию динамических видео-моделей при одном и том же бюджете на профессиональную подготовку. К числу этих достижений относятся до 5 x более дешевых выводов, свыше 7x быстрейших…
Видео-моделей мира необходимы предсказуемые латенты
arXiv: 261 0346663v 1 Annuature Type: Cross Brieftive: Video World Models, обученные по крупномасштабным данным роботов, обещают безопасный и масштабируемый подход к обучению и оценке политики, которая действует в физическом мире. Однако они по-прежнему сталкиваются с давнишними разворотами и недистрибьюцией, и в момент вывода они остаются достаточно требовательными. Как правило, видеомодели мира делают прогнозы в скрытом пространстве обученного реконструкции автоенкодера, который, однако, напрямую не оптимизирован для моделирования динамики. С другой стороны, мировые модели, предназначенные для скрытого планирования, обычно оптимизируют латентные скрытые данные и становятся предсказуемыми, но они отказываются от точного прогнозирования наблюдений в пиксельном пространстве. В настоящем документе мы показываем, что можно достичь лучшего из обоих миров: латентной геометрии, оптимизированной для максимально возможного упрощения будущих прогнозов без ущерба для точного прогнозирования будущих наблюдений. Если говорить точнее, то мы считаем, что временные цели для представительства Lear