SpecWM 谱对齐框架训练世界模型，机器人规划成功率最高提升 28 个百分点
randall_balestr · x · 2026-10-15
williamgpeng 等人发布论文《World Modeling through Spectral Alignment》，提出 SpecWM：一个面向 JEPA 世界模型的谱表征学习框架。
- 核心问题：如何告诉世界模型什么信息值得保留？作者用「目标相似度核」显式指定观测之间应保留的关系（深度、时间距离等），训练编码器在嵌入几何中复现这些结构。
- 方法：通过 spectral manifold learning 实现 spectral alignment，核可以来自物理状态信息，也可以是仅需轨迹时序顺序的全自监督时间核。
- 理论：刻画了目标的全局最优、线性可恢复性与对无关信息的不变性条件，并将时间核相似度与 behavioral successor measure 关联。
- 实验：CEM 规划成功率相对 LeWorldModel 大幅提升——OGBench Cube 52%→68%，OGBench Scene 49%→77%，CALVIN 29%→51%，三个机器人环境平均相对提升 51%。
结论：显式指定表征几何是控制潜变量世界模型保留内容的简单有效方式。
所属事件:SpecWM 谱对齐框架训练世界模型，机器人规划成功率显著提升(2 条相关)→
「具身」频道最新
- 曝特斯拉 Optimus 周产量升至数百台，2026 年底剑指周产千台 — ChrisGPT · 2026-10-15
- 开发者基于 Omarchy 搭机器人：RealSense 与 ROS Jazzy 跑通 — chrismatthieu · 2026-10-15
- NeST-Bayes：多机器人系统信任推断新框架 — DukeUniversity · 2026-10-15
- 普林斯顿机器人导论全套课程公开:控制、SLAM 到视觉无人机实战 — lukas_m_ziegler · 2026-10-15
- 美军 xTechHumanoid 试用:85 公斤人形机器人 Alex 持铲作业夺魁 — HeyZoyaKhan · 2026-10-15
- 创作者用 Codex 搭 GoPro 素材自动导入工具,支持 WiFi 慢速传输 — OpenAIDevs · 2026-10-15