World-Action Models上級
WAMの展開後学習DEWO、成功と失敗の視覚的将来から世界モデルを更新し器用操作を改善
World-Action Model(WAM)の展開後学習手法Direct Experience World-Model Optimization(DEWO)を提案した。インタラクションの分岐点で成功継続と失敗継続を収集し、視覚的未来の条件付き学習と進捗ゲート付きガイダンスを組み合わせる。5つのDexJoCoタスクで3種のWAMすべての平均成功率を改善し、実機の2つのハンドと4物体の把持配置タスクで展開学習2回により初期成功セルでの成功率が51.0%から71.7%に向上した。本論文はプレプリントである。