Hourglass提出跨本体运动规划架构

Zhidong Wang等作者在arXiv预印本中提出跨本体运动规划架构Hourglass：把规划分解为与本体无关的世界模型和各机器人可微的自我动力学，两者仅通过相机自我运动这一接口耦合；通用参数条件策略在该接口上训练一次，再经由各机器人模板获得本体感知。 在五种运动类型共七个仿真机器人上，该通用策略成功率比同一世界模型上的模仿学习和扩散策略基线高3.8至10.6个百分点，无需专门训练即可匹配各机器人专家策略，并在不使用在线地图时接近其参数条件MPPI教师1.4至2.8个百分点。作者称，经三分钟遥操作驾驶完成辨识后，用合成数据训练的模型零样本迁移到训练中未见的真实滑移转向机器人，在未见室内场景中导航。 作者同时指出，在平地上，本体对规划器观测的影响仅通过相机自我运动体现。上述结果来自预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。