QCP：推理时可控制机器人策略质量
热点事件持续更新
QCP：推理时可控制机器人策略质量
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Sinjae Kang 等作者提出质量可控策略 QCP，可在推理时控制执行速度、运动平滑度等单项质量属性及其组合。为把可控质量范围扩展到初始示教之外，作者设计了迭代事后重标注循环：按目标质量标签采集在线 rollout，把成功轨迹加入数据集，再按实测质量对累积轨迹做事后重标注并微调策略。 作者称，在 Robomimic 和 RoboEval 上的实验显示，QCP 随迭代持续提升任务执行质量和成功率，产生的成功轨迹质量超过初始示教；在真实操作任务中，控制速度提高了传送带作业吞吐量，控制搬运稳定性改善了端酒杯时的成功率。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
QCP：用迭代事后重标注学习质量可控的机器人策略报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.ROQCP：用迭代事后重标注学习质量可控的机器人策略
作者提出质量可控策略 QCP，可在推理时控制执行速度、运动平滑度等单项质量属性及其组合。为把可控质量范围扩展到初始示教之外，作者设计了迭代事后重标注循环：按目标质量标签采集在线 rollout，把成功轨迹加入数据集，再按实测质量对累积轨迹做事后重标注并微调策略。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:0015:00
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。