研究者耦合人体重建与物理预测模型
先了解这件事
Yufei Zhang、Zijun Cui 提出将 KNOWN 与 PhysMoP 两个已发表组件耦合，构成机器人所需的人类世界模型：KNOWN 实时重建 3D 人体并估计偶然与认知不确定性（每帧 11.6 ms），PhysMoP 用学习动力学项求解欧拉-拉格朗日方程预测未来身体构型。该工作定义了二者接口、三种不确定性进入 PhysMoP 的机制及野外视频评测协议，论文称未报告新的实验结果。 论文引用的既有结果显示：KNOWN 的认知不确定性项可识别训练数据低密度区域输入，以其驱动的细化将此类输入误差从 81.3 mm 降至 70.3 mm；PhysMoP 将 80 ms 预测误差在 Human3.6M 上从 9.6 mm 降至 2.1 mm、在 3DPW 上从 12.1 mm 降至 0.7 mm。这些数字来自两个组件各自的已发表工作，并非本次耦合框架的新评测。 该论文发表于 CoRL2026 UncertainWM Workshop，属预印本阶段的 workshop 论文，尚未见独立验证。
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。
- arXiv · cs.RO面向不确定性感知、物理落地的机器人人类世界模型：耦合 KNOWN 与 PhysMoP
一篇 CoRL2026 UncertainWM Workshop 论文提出将 KNOWN 与 PhysMoP 两个已发表组件耦合，构成机器人所需的人类世界模型：前者实时重建 3D 人体并估计偶然与认知不确定性（每帧 11.6 ms），后者用学习动力学项求解欧拉-拉格朗日方程预测未来身体构型。KNOWN 的认知不确定性项可识别训练数据低密度区域输入，以其驱动的细化将此类输入误差从 81.3 mm 降至 70.3 mm；PhysMoP 将 80 ms 预测误差在 Human3.6M 上从 9.6 mm 降至 2.1 mm、在 3DPW 上从 12.1 mm 降至 0.7 mm。
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。