← 世界模型 / 从表征到预测价值隐式表征与视觉奖励VIP · 原文 Fig. 1 · p.2 ↗
正式发表 / World Models
VIP
VIP: Towards Universal Visual Reward and Representation via Value-Implicit Pre-Training
ICLR · 2023CCF A
关键框架 FRAMEWORK
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。
- 01采样视频目标
- 02学习隐式价值表征
- 03按目标距离构造奖励
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。
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