World-Action Models专业
DEWO:直接经验世界模型优化超越动作模仿
预印本提出DEWO,一种针对World-Action Models的部署后学习范式,通过识别交互转折点,从匹配的成功和失败视觉未来中持续更新世界模型,并在推理时用进度门控引导动作。在五个DexJoCo仿真任务中,DEWO将FastWAM平均成功率从80.7%提升到82.3%,将FACT从64.5%提升到81.2%;在四个真实世界双手灵巧操作任务中,两轮部署学习使初始有成功单元的成功率从51.0%提升到71.7%。论文尚未经同行评审。