FRED giúp mô hình hành động thế giới dự đoán biểu diễn video tương lai trong một bước
Các nhà nghiên cứu giới thiệu FRED, một khung học tự chưng cất cho World Action Models (WAMs), nhằm học chính sách điều khiển robot từ kiến thức không gian và thời gian của các mô hình khuếch tán video đã được huấn luyện trước. Thay vì phải khử nhiễu video nhiều lần để dự đoán cảnh tương lai, WAMs có thể dùng một bộ giải mã hành động riêng, nhận đầu vào là các biểu diễn video tương lai được tạo ra chỉ qua một bước khử nhiễu. FRED huấn luyện mô hình tạo ra các biểu diễn tốt hơn từ nhiễu bằng cách dùng biểu diễn trích xuất từ những quan sát tương lai thực tế làm mục tiêu, đồng thời đưa vào các quan sát trong quá khứ. Nếu hoạt động hiệu quả, phương pháp này có thể giúp robot dự đoán hành động dựa trên video nhanh hơn mà vẫn giữ được thông tin về tương lai cần thiết cho việc ra quyết định.
Đây là nghiên cứu dành cho các nhóm phát triển robot và mô hình thế giới, chưa phải công cụ thực tế để người dùng phổ thông thử ngay. Ý tưởng đáng chú ý là dùng một bước khử nhiễu để tạo biểu diễn về tương lai, từ đó có thể giúp robot ra quyết định nhanh và tiết kiệm tính toán hơn.
Đọc bài gốc