延迟随机化拓宽人形运动跟踪器延迟裕度
热点事件持续更新
延迟随机化拓宽人形运动跟踪器延迟裕度
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
Shaoqin Li 与 Yi Sun 的研究显示，训练时随机化命令延迟可显著提升学习型人形运动跟踪策略对延迟的耐受度。研究在独立 CPU MuJoCo 环境中测试 24 关节人形机器人、基于单目视频的五个动作，训练时把延迟随机化到 0–50 ms 后，40 ms 恒定延迟下的平均存活率从 15%（0%–45%）升至 95%（75%–100%），延迟裕度从 20–30 ms 扩大到 50–70 ms。 代价是跟踪精度略松：四个动作的误差增加 0.02–0.06 rad，且对最动态的动作，对其他扰动的鲁棒性下降。作者据此建议按机器人实测延迟设定随机化范围，并将延迟裕度列为仿真迁移评估指标之一。
AI 根据报道生成 · 3 小时前更新
最新进展10月26日 12:00
延迟随机化拓宽学习型人形运动跟踪器的延迟裕度报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.RO延迟随机化拓宽学习型人形运动跟踪器的延迟裕度
研究在独立 CPU MuJoCo 环境中测试 24 关节人形机器人的运动跟踪策略，发现 40 ms 恒定命令延迟使平均存活率从训练随机化下的至少 26/30 降至 15%，延迟裕度仅 20–30 ms。
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。