加一个像素重建损失，潜变量就不再能解码倒立摆状态
hisspikeness · x · 2026-10-08
研究线程 6/：给同一个潜变量预测模型加上像素重建损失后，学到的潜变量会部分编码干扰信息，从而不再允许线性解码出系统状态。回复的上一节（5/）交代了实验设置：在具有非确定性动力学的 MuJoCo 倒立摆上叠加随机颜色、光照、相机视角和噪声背景等干扰；而潜变量预测模型的表征可以线性解码出倒立摆的姿态与速度。这组对比说明预测式目标学到的表征比重建式目标更贴近真实状态。
所属事件:理论证明预测式自监督学习可在干扰下分离随机信号(8 条相关)→
「具身」频道最新
- MIT 科技评论:机器人离真正改变生活还很远,实用化或在 2030 年前后 — nordicinst · 2026-10-08
- MIT 科技评论:人形机器人革命仍远,Musk 的乐观与 LeCun 的质疑 — MIT Tech Review AI · 2026-10-08
- ASUS 联手 Nous Research,RTX Spark 将预装 Hermes Agent — Teknium · 2026-10-08
- RoboWorld Challenge 2026 开放报名:三赛道聚焦具身世界建模 — liuziwei7 · 2026-10-08
- E2E自动驾驶公司Wayve获Stellantis订单，此前已拿下日产 — alexgkendall · 2026-10-08
- Rabbit R1 更新 OS3:AI 硬件终于能主动拨打电话了 — SimonBalmain · 2026-10-08