← 世界模型 / 从表征到预测冻结视觉表征上的目标规划DINO-WM · 原文 Fig. 2 · p.4 ↗
正式发表 / World Models
DINO-WM
DINO-WM: World Models on Pre-trained Visual Features Enable Zero-shot Planning
ICML · 2025CCF A
关键框架 FRAMEWORK
DINOv2 编码当前和目标图像;动力学模型在 patch 特征空间预测未来,通过优化动作使预测表征靠近目标。
- 01冻结 DINOv2 编码器
- 02学习动作条件特征动态
- 03优化到达目标的动作
THE IDEA
它在解决什么
预测冻结视觉编码器的特征,在目标图像对应的特征空间里规划动作。
WHY READ IT
为什么放在这条路线
清晰展示「不预测像素」也能做目标条件控制的技术路径。
READ WITH A QUESTION
读的时候,留意什么
Zero-shot 的任务、数据和环境边界必须分开读;不表示模型没有使用机器人轨迹训练。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器