Новый метод Time-to-Goal (T2G) призван помочь роботам планировать более длинные маршруты: он назначает меньшую стоимость состояниям, до которых от текущего момента меньше времени до достижения цели. Исследователи обучают его на офлайн-данных о траекториях, без меток вознаграждения или политики, и используют вместо стандартной евклидовой стоимости достижения цели. При этом энкодер и предиктор модели мира остаются замороженными.
Согласно результатам, приведённым в статье, T2G повысил средний успех планирования с 32.7% до 63.0% в четырёх тестах навигации и манипуляций, приблизившись к результатам иерархических базовых моделей JEPA, а иногда и превзойдя их. Статья была отправлена на arXiv 4 ноября 2026 года.
Почему это важно
Для исследователей в области робототехники, использующих плоские модели мира, приведённые результаты позволяют предположить, что обученная метрика стоимости достижения цели может повысить успех планирования в тестах без переобучения энкодера или предиктора модели. Результаты на реальных роботах в статье не подтверждены.
