用于无标签轨迹控制的潜在动作世界模型
TLDR
潜在动作世界模型从有标签和无标签轨迹中学习，用少量动作标签实现高效控制。
评分理由
The paper introduces a novel latent-action representation to align action-conditioned and action-free data, showing strong results on simulated benchmarks. However, it lacks real-world validation and does not address scalability to complex environments.
Read-first 评分解释
综合优先阅读分 55.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 44。
研究版图角色
前沿论文
排序敏感性
稳定性：volatile；排名波动范围：359。
关键词评分
深度分析
创新点
- 通过共享潜在动作表示联合使用动作条件数据和动作无关数据
- 通过离线强化学习学习潜在动作策略，桥接离线强化学习和无动作训练
- 使得能够在被动和交互数据上训练，实现更高效的世界模型学习
方法
本文介绍了一系列潜在动作世界模型，它们从动作条件数据和无动作数据中学习共享的潜在动作表示。该潜在空间将观察到的控制信号与从被动观察中推断出的动作对齐，使得单个动力学模型能够仅使用少量动作标签数据在大规模无标签轨迹上进行训练。然后，潜在动作世界模型用于通过离线强化学习学习潜在动作策略。
关键结果
在DeepMind Control Suite上，该方法实现了强劲的性能，同时使用的动作标签样本数量比纯动作条件基线少约一个数量级。