论文页面 - Discrete-WAM：面向世界-策略学习的统一离散视觉-动作标记编辑

来源：https://huggingface.co/papers/2606.05645

作者：

,

,

,

,

,

,

,

,

,

,

,

摘要

Discrete-WAM 提出了一种统一的离散潜变量视觉-动作世界策略，通过对齐的离散标记和共享的离散扩散框架，实现了自动驾驶中的组合因果推理和反事实推理。

自动驾驶 (https://huggingface.co/papers?q=Autonomous%20driving) 需要推理自我行为如何塑造周围世界的发展。然而，大多数端到端方法依赖于直接的状态到动作映射，捕获关联性但没有显式建模动作条件动力学。相反，连续潜变量世界模型 (https://huggingface.co/papers?q=world%20models) 通常缺乏用于跨反事实未来进行因果推理 (https://huggingface.co/papers?q=causal%20reasoning) 的组合结构。我们提出了 Discrete-WAM，一种统一的潜变量视觉-动作世界策略，将未来视觉状态和自我行为表示为对齐的离散标记 (https://huggingface.co/papers?q=discrete%20tokens)，实现了跨替代未来的组合因果推理 (https://huggingface.co/papers?q=causal%20reasoning)。基于这种统一的离散对齐，Discrete-WAM 建立了一个具有统一生成任务的共享离散扩散框架 (https://huggingface.co/papers?q=discrete%20diffusion%20framework)，共同构建了世界建模、世界-动作策略和分层决策支持策略，支持跨多种驾驶场景的组合泛化 (https://huggingface.co/papers?q=compositional%20generalization)。在大规模自动驾驶基准上的实验表明，Discrete-WAM 在支持可控生成和反事实推理 (https://huggingface.co/papers?q=counterfactual%20reasoning) 的同时实现了有竞争力的性能，为更可靠的决策提供了原则性路径。

查看 arXiv 页面 (https://arxiv.org/abs/2606.05645)查看 PDF (https://arxiv.org/pdf/2606.05645)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.05645)

在您的代理中获取此论文：

hf papers read 2606\.05645

没有最新 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2606.05645 以从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.05645 以从此页面链接。

引用此论文的 Spaces 0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2606.05645 以从此页面链接。

包含此论文的收藏 0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接。