提出RLA-WM世界模型

作者提出残差潜在动作（RLA）和 RLA World Model（RLA-WM），通过预测 DINO 残差中的未来视觉特征来建模世界状态。RLA-WM 使用 flow matching 预测 RLA 值，摘要称其在模拟和真实世界数据集上优于现有特征型及视频扩散世界模型，速度快数个数量级；作者还提出两种利用该模型的机器人学习技术，分别用于改进 VLA 策略学习和仅基于离线视频的视觉强化学习。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。