Mirror 方法让视频到动作模型通过环境交互自我改进
原文标题：Self-Improving Video-to-Action Models
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Mirror，一种自监督的视频到动作学习方法，无需预先的动作数据或人工奖励，仅通过环境交互学习。它尝试执行对视觉计划的最佳猜测动作，再用产生的视频-动作对训练自身，逐步自我改进。在 Atari、OGBench 与 DeepMind Control 上优于主流从观察学习方法，并在 Minecraft 生存模式中首次仅靠自我改进获得铁镐。
- 问题
- 视频到动作模型依赖大规模人工采集的视频-动作数据，难以扩展。
- 方法
- 通过环境交互执行视觉计划的最佳猜测动作，用产生的视频-动作对自训练并迭代自我改进，无需动作数据或人工奖励。
- 结果
- 在 Atari、OGBench、DeepMind Control 上优于主流从观察学习方法；Minecraft 生存模式首次仅靠自我改进获得铁镐。
- 影响
- 视频生成模型的进步可直接转化为具身智能体的动作能力，降低对昂贵动作标注的依赖。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Mirror 无需动作数据或人工奖励，仅靠环境交互自我改进，首次在 Minecraft 生存模式自举出铁镐。
- •方法核心：执行视觉计划的最佳猜测动作，再用产生的视频-动作对训练自身，迭代自我改进
- •在 Atari、OGBench、DeepMind Control 上优于主流从观察学习方法，用 oracle 计划时接近专家水平
- •Minecraft BASALT 上超过可访问专家动作或手工任务知识的方法
- •Minecraft 生存模式首次仅靠自我改进获得铁镐，无奖励、无专家动作标签
- •离线设定下（有专家动作标签但无环境交互）在获取钻石上刷新 SOTA
为什么重要：若视频生成模型的进步能直接转化为具身智能体的能力，视频到动作数据的采集瓶颈可能被绕开，对做机器人、游戏智能体的团队影响直接。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。