周志华团队新作！打造更强的世界模型！WHALE来了！

主要观点总结

本文介绍了南京大学等机构的研究者引入的WHALE框架，用于学习可泛化的世界模型，解决其在决策应用中的两个主要挑战：泛化和不确定性估计。该框架包含两个关键技术：行为 - 条件（behavior-conditioning）和retracing-rollout。为了验证其有效性，研究者在模拟任务和真实世界任务上进行了广泛的实验。

关键观点总结

关键观点1: WHALE框架简介及目标

WHALE是一个用于学习可泛化的世界模型的框架，旨在解决世界模型在决策应用中的两个主要挑战：泛化和不确定性估计。

关键观点2: WHALE框架包含的两个关键技术

WHALE框架包含两个关键技术：行为 - 条件（behavior-conditioning）和retracing-rollout，前者旨在增强世界模型的泛化能力，后者用于有效的不确定性估计。

关键观点3: 研究者在模拟任务上的实验结果

研究者在Meta-World基准测试上进行了实验，验证了Whale-ST在预测准确性（包括值差、回报相关性）和视频保真度上的优势。

关键观点4: 不确定性估计的结果

研究者通过比较retracing-rollout与其他基准方法，验证了其在模型误差预测和离线强化学习中的优势。

关键观点5: Whale-X在真实世界中的表现

Whale-X在真实世界任务中展现出了强大的泛化能力，特别是在未见过的环境和机器人任务中。此外，其扩展性也得到了验证。

文章预览

点击下方 卡片 ，关注“ CVer ”公众号 AI/CV重磅干货，第一时间送达 点击进入—> 【Mamba/多模态/扩散】交流群 添加微信号：CVer2233，小助手会拉你进群！ 扫描下方二维码，加入CVer学术星球 ！ 可以获得最新顶会/顶刊上的论文idea 和 CV从入门到精通资料，及最前沿应用 ！发论文/搞科研/涨薪，强烈推荐！ 转载自：机器 之心 ｜作者：陈陈、佳琪 世界模型又出新进展了，来自国内机构。 人类能够在脑海中设想一个想象中的世界，以预测不同的动作可能导致不同的结果。受人类智能这一方面的启发，世界模型被设计用于抽象化现实世界的动态，并提供这种「如果…… 会怎样」的预测。 因此，具身智能体可以与世界模型进行交互，而不是直接与现实世界环境交互，以生成模拟数据，这些数据可以用于各种下游任务，包括反事实预测、离线策略评估、离 ………………………………