HuggingFace Daily Papers·· 2 天前精选AI 评分80
Rollback：用世界模型回溯反事实经验改进机器人策略
Rollback: Experience Backtracking in World Models for Policy Improvement
AI 导读
Rollback 提出一种策略改进范式，把动作条件世界模型从单向模拟器变成可回溯的反事实引擎：回到关键决策点、分支尝试不同动作并对比结果，从而把反事实结果蒸馏为动作级监督，无需单独学习价值模型。
推荐理由
世界模型被用作可回溯的反事实引擎，为策略改进提供细粒度动作级监督，并给出三项实机任务的提升幅度。
来源：HuggingFace Daily Papers · huggingface.co