跳到正文
热点事件持续更新

CLAW：从无动作视频学连续潜在动作世界模型

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

Tewodros Ayalew 等作者发布 CLAW，一个全端到端自监督框架，可直接从无动作标注的视频中联合学习世界模型与连续潜在动作表示。其做法是用对抗式潜在正则化防止潜在变量编码未来观测，使潜在变量捕捉动作结构；世界模型则以扩散模型把环境动态建模为未来观测的分布，而非单次确定性推演。 作者称，该潜在动作世界模型支持从观测做模仿学习与目标导向规划：模仿学习时，从原始视频提取的潜在动作可用于行为克隆；规划时，CLAW 生成潜在动作序列并映射为可执行动作以达成目标。作者称其在多任务、多本体实验中优于现有方法。

AI 根据报道生成 · 15 小时前更新

最新进展11月9日 13:00
CLAW：用对抗正则化从无动作视频学习连续潜在动作世界模型

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. arXiv cs.RO
    CLAW：用对抗正则化从无动作视频学习连续潜在动作世界模型

    CLAW 是一个全端到端自监督框架，可直接从无动作标注的视频中联合学习世界模型与连续潜在动作表示。它用对抗式潜在正则化防止潜在变量编码未来观测，使潜在变量捕捉动作结构，并以扩散模型把环境动态建模为未来观测的分布而非单次确定性推演。作者称该潜在动作世界模型支持从观测做模仿学习与目标导向规划，并在多任务、多本体实验中优于现有方法。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月9日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。