机器人 / 具身智能

Orbis: Overcoming Challenges of Long-Horizon Prediction in Driving World Models

Orbis：克服驾驶世界模型中长周期预测的挑战

Arian Mousakhan, Sudhanshu Mittal, Silvio Galesso, Karim Farid, Thomas Brox

专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV、cs.LG

AI总结 Orbis通过简单设计实现自动驾驶世界模型在长周期预测和复杂场景中的高性能，采用连续自回归模型优于离散token模型。

Comments Project page: https://lmb-freiburg.github.io/orbis.github.io/

Latent Action World Models for Control with Unlabeled Trajectories

潜在动作世界模型用于带未标记轨迹的控制

Marvin Alles, Xingyuan Zhang, Patrick van der Smagt, Philip Becker-Ehmck

机构 * Technical University of Munich（慕尼黑技术大学） ； Machine Learning Research Lab, Volkswagen Group（大众集团机器学习研究实验室） ； Eötvös Loránd University Budapest（布达佩斯欧多立大学） ； Foundation Robotics Labs（基础机器人实验室） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG

AI总结 本文提出了一种潜在动作世界模型，通过结合动作条件和无动作数据，提升离线强化学习在未标记轨迹上的性能。

Object-centric proto-symbolic behavioural reasoning from pixels

基于像素的物体中心原型符号行为推理

Ruben van Bergen, Justus Hübotter, Alma Lago, Pablo Lanillos

机构 * Donders Institute, Radboud University（多纳尔斯研究所，拉布德大学） ； Cajal Neuroscience Center, Spanish National Research Council（卡哈尔神经科学中心，西班牙国家研究理事会） 纠错

专题命中 具身推理 ：world model(abstract)；分类 cs.AI、cs.CV、cs.LG

AI总结 本文提出了一种基于像素的物体中心深度学习架构，通过物体表示实现从感知到抽象推理的行为推理，展示了在合成环境中通过逻辑推理和连续控制任务的能力。

Comments Accepted for publication in Neural Networks journal