Hourglass提出跨本体运动规划架构
热点事件历史事件
Hourglass提出跨本体运动规划架构
1 篇报道1 个报道来源8 天前更新
先了解这件事
AI 综述
Zhidong Wang等作者提出Hourglass架构，把跨本体运动规划拆成两部分：与机器人本体无关的世界模型，以及各机器人可微的自运动模板，两者只通过相机自运动接口耦合。作者称，在平地场景下，机器人本体只通过相机自运动影响规划器的观测。 在五种运动类型的七台仿真机器人上，该通用策略的成功率比同一世界模型上的模仿学习和扩散策略基线高3.8–10.6个百分点，无需专门训练即可匹配各机器人专用策略，并在不使用在线地图的情况下，与参数条件MPPI教师的差距为1.4–2.8个百分点。 作者还称，用合成数据训练的模型在经3分钟遥操作驾驶完成辨识后，可零样本迁移到训练中未见的真实滑移转向机器人，并在未见过的室内场景中导航。
AI 根据报道生成 · 8 天前更新
最新进展11月2日 13:00
Hourglass：用本体无关世界模型耦合可微自运动实现跨本体运动规划报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.ROHourglass：用本体无关世界模型耦合可微自运动实现跨本体运动规划
论文提出 Hourglass 架构，将跨本体运动规划拆分为本体无关的世界模型与各机器人可微的自运动模板，两者仅通过相机自运动接口耦合。在五种运动类型的七台仿真机器人上，该通用策略成功率比同一世界模型上的模仿学习和扩散策略基线高 3.8–10.6 个百分点，无需专门训练即可匹配各机器人专用策略，并接近参数条件 MPPI 教师 1.4–2.8 个百分点。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 411月4日 01:00
- 近 24 小时变化
- –
01234
02:0004:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。