摘要
针对具身智能体在高维动作空间中难以指定和控制的问题，本文提出一种“可提升”的世界模型框架。该方法训练轻量级策略将高层动作映射为低层关节动作序列，结合冻结的世界模型，实现从单一高层动作预测未来观测序列。通过在类人实体上定义基于二维路点的高层动作空间，该方法在规划效率和泛化性上显著优于直接在低层空间搜索，大幅降低了目标姿态的平均关节误差。
AI 推荐理由
论文核心提出提升世界模型以解决高维动作空间下的规划难题，显著优化搜索效率。
研究机构
Computer Science, New York University
BAIR, UC Berkeley
论文信息