推文

@vintcessun · 2026-10-14 17:54

导航 Agent 的模拟器若停留在旧策略水平，想象出来的后果就可能失真。RIWANav 把策略和动作条件世界模型放进递归闭环：先用模型预测候选动作的视觉结果，以比较反馈更新策略；再依据新策略，从离线数据筛选贴近专家行为的样本，微调世界模型。 https://arxiv.org/abs/2610.08640 消融显示，策略引导的模型适应胜过冻结模型。代价是仍受固定数据约束，难做反事实探索；大型视频模型也带来显存与算力开销。

曝光 26 · 评论 0 · 点赞 0 · 书签 0