VOiLA：用扩散世界模型加速POMDP在线规划
热点事件观察中
VOiLA：用扩散世界模型加速POMDP在线规划
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Marcus Hoerger 等人提出 VOiLA 框架，用条件扩散模型学习任务无关的 POMDP 世界模型（转移与观测采样器及观测似然模型），再将扩散采样器蒸馏为紧凑的前馈生成器，集成到支持 GPU 并行的 VOPP 规划器中实现在线规划。 据论文摘要报告，蒸馏使采样成本最高降低近三个数量级；VOiLA 在使用不到 10% 训练数据的情况下，性能与 Recurrent Soft Actor Critic、DreamerV3 等 POMDP 强化学习方法相当或更好；在实体机器人实验中，使用纯仿真数据学习的模型完成任务的 10 次运行全部成功。目前证据基于论文摘要，属作者报告结果，尚未见独立复现。
AI 根据报道生成 · 1 天前更新
最新进展10月16日 12:00
VOiLA：面向POMDP智能体的学习型扩散模型向量化在线规划报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIVOiLA：面向POMDP智能体的学习型扩散模型向量化在线规划
基于论文摘要，Marcus Hoerger等人提出VOiLA框架，用于学习任务无关的POMDP世界模型并支持不确定性下的在线规划。该方法用条件扩散模型学习转移和观测采样器及观测似然模型，再将扩散采样器蒸馏为紧凑前馈生成器并集成到支持GPU并行的VOPP规划器中，采样成本最高降低近三个数量级。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月16日 13:00
- 近 24 小时变化
- -51%
02.557.510
18:0010月17日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。