LAGO：用语言预测潜在子目标的分层世界模型

Samuel Barbeau 等研究者发布 LAGO（Latent Goal Prediction from Language），一种分层世界模型：用单一预测器同时预测动作条件动力学，并把语言指令转化为潜在子目标序列，再以软最小对齐代价优化动作序列，实现基于模型的规划。 在导航与操作环境的实验中，LAGO 超越平面和分层图像目标规划器；在带弧形、危险约束路径的长程导航任务上，成功率超过同样本训练的目标条件行为克隆策略两倍多，也优于视觉-语言奖励模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。