← 世界模型 / 从表征到预测

正式发表 / World Models

VIP

VIP: Towards Universal Visual Reward and Representation via Value-Implicit Pre-Training

ICLR · 2023CCF 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
价值隐式表征与视觉奖励VIP · 原文 Fig. 1 · p.2 ↗

从被动人类视频构造隐式价值预训练目标,让当前图像与目标图像的表征距离可用于视觉奖励。

  1. 01采样视频目标
  2. 02学习隐式价值表征
  3. 03按目标距离构造奖励
VIP价值隐式表征与视觉奖励
价值隐式表征与视觉奖励

从被动人类视频构造隐式价值预训练目标,让当前图像与目标图像的表征距离可用于视觉奖励。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

从被动人类视频构造隐式价值预训练目标,让当前图像与目标图像的表征距离可用于视觉奖励。

WHY READ IT

为什么放在这条路线

把视觉编码与奖励设计连接起来,帮助理解目标距离为何未必天然适合规划。

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

表征距离不是已验证的真实环境价值函数;奖励可迁移性要看任务与观测分布。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器