arXiv · cs.RO官方发布· Junnan Nie, Jiayi Li, Chenghao Liu, Junyi Lao, Jiachen Zhang, Tianle Zhang, Songfang Huang·· 2 小时前精选AI 评分63
论文 / 摘要阅读
PACE：面向动作分块机器人策略的阶段感知分块执行方法
PACE: Phase-Aware Chunk Execution for Robot Policies with Action Chunking
AI 导读 · 根据来源整理
PACE 是一种免训练方法，从预测的动作块中在线选择执行时域，以预测速度曲线中的低速谷作为候选重规划边界，利用操作轨迹的阶段相关运动学特性。其默认从各任务已有训练示范中校准谷值阈值，无需针对任务调固定时域。在 50 任务的 RoboTwin2.0 基准上，PACE 将平均成功率从最强固定时域基线的 57.8% 提升至 64.2%，并优于自适应执行基线 AAC 和 AutoHorizon；在 LIBERO 上配合 GR00T N1.7 取得所评估策略中最高的总体成功率。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org