NUS 提出WM-PPO：用世界模型预测后继状态构造辅助优势提升策略
NationalUniversityofSingapore · hf · 2026-11-11
新加坡国立大学提出 WM-PPO，将世界模型与 PPO 的 critic 结合：用世界模型预测各候选动作的后继状态，再由 critic 对预测状态估值，从而构造辅助策略优势（auxiliary policy advantages）和价值目标，无需特权信息即可提升任务成功率。图示显示同一世界模型通过「真实交互回报」和「预测候选动作」两条通道为 PPO-GAE 和 PPO-Clip 更新提供信号。
「具身」频道最新
- 人形机器人工厂搬曲轴：15 周训练后仍需每 6 分钟人工接管 — ZeeshanZiaML · 2026-11-11
- CoRL 2026 现场名场面：「触觉重要但触觉反馈不重要」「你为什么在乎延迟？」 — breadli428 · 2026-11-11
- JKU 林茨新设机器智能研究所，招 2 名机器人学习方向博士生，一周内截止 — HildeKuehne · 2026-11-11
- Darpinian:Tesla 应等 AI5 芯片就绪再大规模量产 Cybercab — Darpinian · 2026-11-11
- CoRL 论文 Maestro：用廉价旧模型 Gemini 2.5 零样本操控真机器人 — dineshjayaraman · 2026-11-11
- 开源药物发现引擎 OpenDDE 发布，抗体-抗原共折叠逼近商业最优 — teortaxesTex · 2026-11-11