Rollback：世界模型回溯改进机器人策略
热点事件持续更新
Rollback：世界模型回溯改进机器人策略
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Jiayi Luo 等作者提出 Rollback 策略改进范式，让世界模型回退到关键决策点、分支尝试不同动作并对比结果，把反事实结果蒸馏为动作级监督，无需单独学习价值模型。世界模型充当训练环境，同时用其训练策略产生的真实轨迹经轻量 LoRA 流程校正模型动力学。 在方块抽取、抛球和桌面冰壶三项真实任务上，成功率分别比最强基线绝对提升 10.67%、11.11% 和 11.85%。作者称，尽管初始化的遥操作演示水平远低于人类，Rollback 在抛球和桌面冰壶两项任务上训练 8 小时内即超过人类玩家平均成功率。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
Rollback：用世界模型回溯经验改进机器人策略报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.RORollback：用世界模型回溯经验改进机器人策略
Rollback 提出一种策略改进范式，让世界模型回退到关键决策点、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。在方块抽取、抛球和桌面冰壶三项真实任务上，成功率分别比最强基线绝对提升 10.67%、11.11% 和 11.85%，抛球与桌面冰壶在训练 8 小时内超过人类玩家平均成功率。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:0015:00
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。