Hugging Face、視覚・言語・行動モデルの強化学習向け世界批評家モデル「WCM」を論文公開

記事の3ポイント

1. 1

   批評家モデルの根本課題の特定

   従来の批評家アプローチは単一フレームに依存しており、ロボットの制御が持つ部分的な観測可能性という性質と本質的に矛盾していることが指摘された。

2. 2

   世界批評家モデル（WCM）の提案

   軽量なLeJEPAアーキテクチャを基盤としたWCMは、未来の潜在状態を予測しつつ価値を推定することで、時間的な構造を明示的に捉えるように訓練される。

3. 3

   広範なベンチマークでの性能証明

   149タスクにわたる4つのベンチマーク実験において、WCMは分布内および分布外設定の両方で最先端のパフォーマンスを達成し、特に汎化能力で大きな向上を示した。