Closing the Train-Test Gap in World Models for Gradient-Based Planning
缩小世界模型在基于梯度规划中的训练-测试差距
机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学）
AI总结 本文提出改进世界模型训练方法，以提高基于梯度的规划效率，缩小训练与测试之间的性能差距。
高校专区
Columbia University（哥伦比亚大学）
Diffusion Secant Alignment for Score-Based Density Ratio Estimation
基于差分分量对齐的分数密度比估计
机构 * South China University of Technology（华南理工大学） ； Columbia University（哥伦比亚大学） ； AIP, RIKEN（AIP与RIKEN）
AI总结 ISA-DRE通过将切线替换为secant，提升密度比估计的稳定性与效率，有效缓解密度峡谷问题。
Entropy-Informed Weighting Channel Normalizing Flow for Deep Generative Models
基于熵感知的加权通道归一化流用于深度生成模型
机构 * School of Mathematics, South China University of Technology, Guangzhou, China（华南理工大学数学学院） ； Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院） ； School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China（华南理工大学电子信息学院） ； Department of Electrical Engineering, Columbia University, New York, NY USA（哥伦比亚大学电气工程系）
AI总结 本文提出了一种基于熵感知的加权通道归一化流，通过引入正则化的Shuffle操作提升深度生成模型的密度估计性能。
Journal ref Chen, W., Du, S., Li, S., Zeng, D., & Paisley, J. (2025). Entropy-informed weighting channel normalizing flow for deep generative models. Pattern Recognition, 112442
Episodic Memory Verbalization using Hierarchical Representations of Life-Long Robot Experience
基于长期机器人经验的分层表示的事件记忆语言化
机构 * Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（人机学与机器人研究所，卡尔斯鲁厄理工学院） ； Computer Science Department, Columbia University（计算机科学系，哥伦比亚大学）
AI总结 本文提出了一种基于分层表示的机器人长期经验语言化方法，利用大规模预训练模型实现零样本学习，通过构建树状数据结构实现事件记忆的自然语言抽象，提升人机交互能力。
Comments Humanoids 2025. Code, data and demo videos at https://hierarchical-emv.github.io
