CausalWAM：学习世界动作模型中行动的成因
世界动作模型（WAM）从观测中学习潜变量，用于预测场景并生成动作。研究指出，当与动作相关的变量和无关变量相互纠缠时，模型可能会利用无关变量生成动作。在稀疏性约束下，可以识别与动作相关的潜在结构。研究提出的CWAM在预训练WAM的动作头中加入稀疏路由路径，同时保持原有的世界建模目标不变。合成数据和真实机器人实验支持了该理论，并显示闭环任务成功效率有所提升。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。