提出自适应计算预算的机器人元推理方法
热点事件持续更新
提出自适应计算预算的机器人元推理方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Lorenzo Magnino 等在 arXiv 论文《Learning Robot Metareasoning》中提出，将机器人实时控制中计算预算的确定建模为半马尔可夫决策过程（SMDP），一次决策同时决定动作承诺时长与求解器分配时间，并训练了一个以当前状态、执行中规划和低成本规划器统计为条件的强化学习策略。 在地面机器人导航、敏捷四旋翼飞行和接触丰富操作三类任务上，作者称该策略能随场景需求调整预算，表现优于固定预算基线。
AI 根据报道生成 · 2 小时前更新
最新进展10月19日 12:00
Learning Robot Metareasoning：实时控制中的自适应计算预算研究报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.ROLearning Robot Metareasoning：实时控制中的自适应计算预算研究
arXiv 论文 Learning Robot Metareasoning 提出将最优计算预算的确定建模为半马尔可夫决策过程（SMDP），一次决策同时决定机器人动作承诺时长与求解器分配时间。作者训练了一个以当前状态、执行中规划和低成本规划器统计为条件的强化学习策略，在地面机器人导航、敏捷四旋翼飞行和接触丰富操作三类任务上，该策略随场景需求调整预算，表现优于固定预算基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。