← 世界模型 / 从表征到预测

正式发表 / World Models

DynaMo

DynaMo: In-Domain Dynamics Pretraining for Visuo-Motor Control

NeurIPS · 2024CCF A

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
域内视觉与潜动力学联合训练NeurIPS 2024 · Fig. 3 · p.4 ↗

联合训练视觉编码器、潜逆动力学和前向模型,用隐含转移信息预测后续表征,突出域内控制相关特征。

  1. 01编码连续观测
  2. 02推断潜转移
  3. 03预测未来表征
DynaMo域内视觉与潜动力学联合训练
域内视觉与潜动力学联合训练

联合训练视觉编码器、潜逆动力学和前向模型,用隐含转移信息预测后续表征,突出域内控制相关特征。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

联合训练视觉编码器、潜逆动力学和前向模型,用隐含转移信息预测后续表征,突出域内控制相关特征。

WHY READ IT

为什么放在这条路线

相对静态图像预训练,它利用时序与潜动作结构;“预训练无需动作”不等于后续策略训练无需动作监督。

当前阶段从表征到预测 ↗

表征目标如何影响奖励、动力学和控制?

READ WITH A QUESTION

读的时候,留意什么

潜转移有低维瓶颈与确定性假设;下游仍需任务示范,不能直接视为通用规划世界模型。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器