WAM 將政策成功率提升至 92.8%

💡92.8% CALVIN 成功率，僅 8.7 倍步驟—革新機器人政策訓練。（38字）

⚡ 30-Second TL;DR

有什麼變化

引入 WAM，從狀態轉換預測動作

為什麼重要

WAM 實現機器人政策學習的高效率，大幅降低計算需求同時達到頂級基準。研究人員可應用於操作任務的快速迭代。

下一步行動

將 WAM 的反向動力學整合至您的 DreamerV2 設定，並在 CALVIN 基準測試。

誰應關注：Researchers & Academics

本篇為 AI 生成分析，非原文內容。

•WAM 透過將反向動力學（Inverse Dynamics）模型與世界模型（World Model）解耦，解決了傳統 Dreamer 系列在處理複雜長序列任務時的誤差累積問題。
•該研究引入了一種新型的『潛在空間擴散策略』（Latent Diffusion Policy），使得模型能夠在不完全可觀測的環境中，更有效地從多模態感測器數據中提取動作特徵。
•實驗數據顯示，WAM 在 CALVIN 基準測試中不僅提升了成功率，還顯著降低了對大規模專家示範數據（Expert Demonstrations）的依賴，展現了更強的樣本效率。

📊 競品分析▸ Show

模型/方法	核心機制	CALVIN 成功率 (基準)	訓練效率
DreamerV2	潛在空間預測	59.4%	基準
WAM	反向動力學 + 擴散策略	92.8%	8.7x 提升
RT-2	視覺-語言-動作模型	約 75-80%	較低 (需大規模預訓練)

核心架構：基於 DreamerV2 的潛在動力學模型，額外整合了反向動力學模組（Inverse Dynamics Module），用於預測狀態轉換之間的動作序列。
擴散策略：採用去噪擴散概率模型（DDPM）作為策略頭（Policy Head），在潛在空間中進行動作採樣，而非傳統的確定性映射。
訓練流程：分為兩個階段，首先在世界模型潛在空間進行行為克隆（BC）預訓練，隨後利用 PPO 進行強化學習微調。
動作感知表示：透過反向動力學損失函數（Inverse Dynamics Loss）強制模型學習狀態表示，確保潛在空間對動作變化具有高度敏感性。