MAC-v2 提出像素级长视野模型价值扩展方法
热点事件持续更新
MAC-v2 提出像素级长视野模型价值扩展方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Kwanyoung Park 与 Sergey Levine 发布 MAC-v2 论文（已提交至 ICLR 2027），提出在基于像素的离线强化学习中实现长时程基于模型的价值扩展的方法。该方法训练无重构的潜变量世界模型并结合动作分块，从预测与控制目标学习表示，以减少递归预测中的误差累积。论文报告，在 visual OGBench、MMBench2、Robomimic 和 LIBERO-10 等视觉基准上，MAC-v2 的性能优于 model-free 和 model-based 离线 RL 基线。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
MAC-v2：从像素实现长时程基于模型的价值扩展报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIMAC-v2：从像素实现长时程基于模型的价值扩展
研究团队提出 MAC-v2，在基于像素的离线强化学习中实现长时程基于模型的价值扩展。该方法训练无重构的潜变量世界模型并结合动作分块，从预测与控制目标学习表示，减少递归预测误差累积。在 visual OGBench、MMBench2、Robomimic 和 LIBERO-10 等视觉基准上，MAC-v2 性能优于 model-free 和 model-based 离线 RL 基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。