arXiv · cs.AI· Jiamin Shi, Yuanhong Zhang, Zhiyang Liu, Jiawei Sun, Jingwen Fu·· 6 小时前
论文提出Concat IDM以动作可预测性学习潜在世界模型内在动态
Learning Intrinsic Dynamics in Latent World Models
arXiv:2610.21612v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jiamin Shi, Yuanhong Zhang, Zhiyang Liu, Jiawei Sun, Jingwen Fu
研究任务与主要进展
论文提出Concat IDM，通过从连续潜在状态重建动作并利用离线轨迹中的动作标签更新共享编码器，促进潜在世界模型保留控制相关的内在动态，同时不改变测试时规划器。作者给出当编码器合并不同动作的可区分结果时平方逆预测误差的正下界；在Push-T的24种外观、3次独立训练中，规划成功率从9.1%提升至77.2%，配对提升幅度比单一外观高52.9个百分点。该结果基于论文摘要，未覆盖跨任务或其他平台验证。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org