元学习图网络预测新物体运动并迁移实机

论文作者提出一种元学习图神经网络，利用物体的语义、几何与关系历史，从少量在线观测预测新环境中物体何时开始运动。作者称，该方法仅在仿真中训练，却能预判训练时未见的物体，并无需微调迁移到硬件，在仿真和硬件实验中优于一个视觉语言模型和类别频率基线。 在闭环导航仿真中，作者称其预测支持无碰撞通行，同时与最快但易碰撞的规划器相差不超过四秒。该研究为 arXiv 预印本，尚未经同行评议，上述效果均出自作者自述。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。