arXiv 机器学习· Chu Lin, Yi Sun·· 2 小时前AI 评分34
物理参数偏移下的因果世界模型
Causal world models under physical parameter shifts
AI 导读
研究人员针对具身系统在分布外物理条件下的预测退化问题，提出了结合因果输入依赖与显式物理机制的因果世界模型。在合成基准中，冻结依赖掩码将平均分布外 RMSE 从 1.769 降至 0.697；在 CausalWorld 机器人连杆质量外推任务中，基于已知 PD 控制器的局部模型使 150 步预测的中位数关节 R2 从 0.609 提升至 0.727。
来源：arXiv 机器学习 · arxiv.org