LAGO分层世界模型实现语言目标预测

Samuel Barbeau等作者提出LAGO分层世界模型，用单一预测器同时预测动作条件动态，并把语言指令落地为中间潜在子目标序列，两种模式共享同一潜在空间和回归目标。 规划时，LAGO按语言指令预测子目标序列，用软最小对齐成本优化动作，并随状态演化重新预测子目标。作者称，在导航与操作环境中，LAGO优于扁平及分层图像目标规划器；在弯曲、有危险约束的长程导航中，其成功率超过同等演示训练的目标条件行为克隆策略两倍以上。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。