PhysVLMM：为铰接物体维护物理信念地图

论文作者提出 PhysVLMM，为视觉-语言-运动地图中的每个铰接部件维护物理信念并回答规划器查询，包含地图更新与查询两个算法。该方法把拉动方向保留为后验而非点估计，并把每次拉动的证据以闭式形式传递给地图中未被触碰的相似部件。 在 18 个真实家庭的门和抽屉上，该方法在留出拉动中识别关节类型的比例为 86%（学习式单视图方法为 48%）；预测拉动响应的误差比可微仿真低 41%（CRPS 0.323 对 0.544），单例耗时 13 ms 对 230 s。后验把最终位置误差从 0.460 降到 0.270，证据共享把未触碰部件的力误差从 56% 降到 42%；在 0.02 至 0.30 的每个给定风险下，误判为安全的回答均未超出该风险。作者还称，把同一家庭所有已测部件合并的效果与相似部件分组相当，更简单的变体预测被拉部件停止位置的效果至少不差。 上述结果来自 arXiv 预印本，尚未经同行评议或独立验证。

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。