KiRoSe 用运动学数据分割机器人演示
热点事件持续更新
KiRoSe 用运动学数据分割机器人演示
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
Shuangyu Xie 等作者提出并发布 KiRoSe 框架，用机器人运动学数据而非多相机视频流来分割机器人演示数据。该方法把运动轨迹编码为稀疏运动 token（SMT），以紧凑表示重复出现的运动事件，并用子任务标注监督开放语言模型解读 token 序列。 作者称，在与人标注分割结果的对比中，KiRoSe 的 F1 指标明显优于基线分割方法，并可零样本迁移到未见过的机器人本体和第一人称人体运动；除分割外，它还能在未见机器人上跟踪任务进度并检测动作反向。
AI 根据报道生成 · 3 小时前更新
最新进展10月26日 12:00
KiRoSe：用运动学数据高效分割机器人演示报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.ROKiRoSe：用运动学数据高效分割机器人演示
KiRoSe 提出用机器人运动学数据而非多相机视频流来分割演示数据，通过稀疏运动 token（SMT）紧凑表示重复出现的运动事件。该方法用子任务标注监督开放语言模型解读 token 序列，在 F1 指标上明显优于基线分割方法，并可零样本迁移到未见过的机器人本体和第一人称人体运动。除分割外，KiRoSe 还能在未见机器人上跟踪任务进度并检测动作反向。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月26日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:00
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。