Latent World Models上級
成功判定に使う物理量を補助損失の教師信号に、潜在世界モデルのプランニング成功率を改善
本プレプリントは、潜在世界モデルのプランニングにおいて、タスクの成功判定に使われる物理量(成功基準量)を補助損失の教師信号として直接学習させる手法を提案した。LeWMを用いたPushTとcubeで成功率がそれぞれ3.5ポイント、3.4ポイント(絶対差)向上し、統計的に有意だった。テスト時は線形ヘッドを破棄するためモデルや計算コストは変わらず、成功基準に含まれる全量を教師にすることで有意な劣化は見られなかった。