跳到正文
arXiv · cs.RO· Mingyang Lyu, Gongce Cao, Yiyang Jia, Lu Jia, Erliang Lin, Yuhao Zhang, Yinqian Sun, Pin Lyu, Feifei Zhao, Bo Wang·· 3 小时前精选AI 评分60

论文 / 摘要阅读

TRACE:面向具身视觉跟踪的目标状态风险门控执行方法

TRACE: Target-State Risk-Aligned Conditional Execution for Embodied Tracking

AI 导读 · 根据来源整理

TRACE 是一种执行期目标状态风险门控方法,用于缓解具身视觉跟踪中策略后训练带来的安全代价。作者用冻结骨干的 0.6B VLA 跟踪器,仅以 PPO 更新规划头,成功率与跟随率在 EVT-Bench 三种设置下均提升,但分心跟踪场景的碰撞率上升,因为原本以目标丢失结束的回合改为以接触结束。TRACE 保留已学策略,由轻量风险头处理 84 项线索,当校准风险超过阈值时缩放下一路点的平移分量、保持偏航不变,执行动作与 PPO 在超过 98% 的步骤上相同。

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