研究者提出IPR改进多模态强化学习预测表征

Sijie Xu 等研究者提出改进型预测表征方法 IPR，在多模态强化学习中直接从观测锚点和动作前缀预测未来表征，并结合对比学习的跨模态对齐，改进了此前 Multimodal Joint Predictive Representation 的递归 rollout 与成对对齐方式。 在 DeepMind Control Suite 的五个任务上，IPR-H 的平均回报较基线提高 10.0%（视觉+深度图像组合）和 3.4%（视觉图像+位置向量组合）。在 Webots 仿真中，两种 IPR 配置在不使用 LiDAR 时最终回报均高于基线，但在 LiDAR 可用时未超过基线。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。