世界模型

Modernising Reinforcement Learning-Based Navigation for Embodied Semantic Scene Graph Generation

具身语义场景图生成的强化学习导航现代化

Roman Küble, Marco Hüller, Mrunmai Phatak, Rainer Lienhart, Jörg Hähner

机构 * Organic Computing Group（有机计算组） ； Machine Learning and Computer Vision Group（机器学习与计算机视觉组） ； University of Augsburg（奥格斯堡大学） ； Am Technologiezentrum 8（技术中心8号） ； Augsburg, Germany（德国奥格斯堡） 纠错

专题命中 具身与机器人 ：world model(abstract)；world models(abstract)；world model(abstract)；world models(abstract)

AI总结 提出模块化导航组件，通过替换策略优化方法和重新设计离散动作表示，现代化具身语义场景图生成中的决策过程，并评估不同动作集和策略结构对场景图完整性、执行安全性和导航行为的影响。

Continual Model-Based Reinforcement Learning with Hypernetworks

基于超网络的连续模型强化学习

Yizhou Huang, Kevin Xie, Homanga Bharadhwaj, Florian Shkurti

机构 * Division of Engineering Science, University of Toronto, Canada（多伦多大学工程科学系） ； Department of Computer Science, University of Toronto, Canada（多伦多大学计算机科学系） 纠错

专题命中 具身与机器人 ：model-based reinforcement learning(title,abstract)；分类 cs.AI、cs.LG、cs.RO；dynamics model(abstract)

AI总结 提出HyperCRL方法，利用任务条件超网络在序列任务中持续学习动力学模型，避免重新训练并固定存储开销，在机器人 locomotion 和 manipulation 任务中优于现有持续学习方法。

Comments Updated link to project website in the abstract. 7 pages (+2 pages in appendix), 8 figures. In proceedings of the 2021 IEEE International Conference on Robotics and Automation

Riding the Shifting Potential: When Reactive Control Suffices for Multi-Goal Behavior

驾驭变化势场：何时反应控制足以实现多目标行为

Vito Mengers, Oliver Brock

机构 * Robotics and Biology Laboratory, Technische Universität Berlin（技术大学柏林机器人与生物学实验室） ； Science of Intelligence (SCIoI), Cluster of Excellence, Berlin, Germany（智能科学（SCIoI），卓越中心，柏林，德国） ； Robotics Institute Germany（德国机器人研究所） 纠错

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.RO

AI总结 本文提出通过零空间投影扩展图基世界模型中的交互结构，动态调整优先级以解决多目标冲突，在非凸障碍导航和非凸物体推拉任务中实现100%成功率，无需演示或重新训练。