跳到正文
热点事件持续更新

VLD：视觉学习距离作为强化学习导航接口

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

Lazar Milikic、Manthan Patel、Jonas Frey 提出视觉学习距离（VLD）框架，把图像目标导航的感知学习与策略学习分开：先在约3000小时互联网与仿真视频上自监督训练距离到目标预测器，再在仿真中用 GeoNoise 扰动特权几何距离训练强化学习策略，部署时零样本使用 VLD 预测、无需重训。 作者称，在实体机器人上，VLD 驱动的策略试验成功率为88%，而一个在仿真中表现更强的端到端图像目标基线为60%。

AI 根据报道生成 · 15 小时前更新

最新进展11月9日 13:00
VLD：以视觉学习距离作为强化学习导航接口

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. arXiv cs.RO
    VLD：以视觉学习距离作为强化学习导航接口

    作者提出视觉学习距离（VLD）框架，将图像目标导航的感知学习与策略学习解耦：先在约3000小时互联网与仿真视频上自监督训练距离到目标预测器，再在仿真中用GeoNoise扰动特权几何距离训练强化学习策略，部署时零样本使用VLD预测。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月9日 14:00
近 24 小时变化
–

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。