MAC-v2：像素输入下的长程模型价值扩展
热点事件持续更新
MAC-v2：像素输入下的长程模型价值扩展
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Kwanyoung Park 与 Sergey Levine 提出 MAC-v2，通过训练无重建的潜在世界模型并结合动作分块，实现从像素进行长时程的基于模型的价值扩展。 在 visual OGBench、MMBench2、Robomimic 和 LIBERO-10 等视觉基准上，MAC-v2 优于无模型与基于模型的离线强化学习基线。作者称，长时程价值扩展对性能至关重要，动作分块与潜在学习目标对可靠的长时程潜在想象均不可或缺。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
MAC-v2：从像素进行长时程基于模型的价值扩展报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIMAC-v2：从像素进行长时程基于模型的价值扩展
MAC-v2 通过训练无重建的潜在世界模型并结合动作分块，实现了从像素进行长时程基于模型的价值扩展。在 visual OGBench、MMBench2、Robomimic 和 LIBERO-10 等视觉基准上，MAC-v2 优于无模型与基于模型的离线 RL 基线。分析表明长时程价值扩展对性能至关重要，动作分块与潜在学习目标对可靠的长时程潜在想象均不可或缺。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。