跳到正文
热点事件持续更新

TF²-Steering:触觉残差引导修正机器人动作

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Yiming Chen 等作者提出 TF²-Steering,通过残差引导流匹配动作专家的速度场来修正机器人动作,并用触觉混合专家架构同时整合触觉预测与实时触觉反馈。作者称,配合三阶段训练流程,触觉信号可修正、必要时重定向动作生成过程,同时保留视觉基础策略的动作生成能力。 作者称,在六个仿真和六个真实操作任务上,该方法平均仿真成功率比最强对比基线高 10.7 个百分点,平均真实世界进度成功率高 9.1 个百分点。该工作以 arXiv 预印本形式发布,尚未见同行评议或独立验证。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月3日
  1. arXiv · cs.RO精选
    TF²-Steering:用触觉预测与反馈经速度场引导修正机器人动作

    TF²-Steering 提出一种通过残差引导流匹配动作专家速度场来修正动作的方法,用触觉混合专家架构同时整合触觉预测与实时触觉反馈。作者指出,当前多数机器人策略以视觉为主,触觉数据有限且接触事件稀疏,直接加入触觉信号可能被忽略甚至损害策略预训练能力。该方法配合三阶段训练流程,使触觉信号能够修正并在必要时重定向流匹配动作生成过程,同时保留视觉基础策略的动作生成能力。在六个仿真和六个真实操作任务上的实验显示,其平均仿真成功率比最强对比基线高 10.7 个百分点,平均真实世界进度成功率(progress success rate)高 9.1 个百分点。

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。