跳到正文
热点事件观察中

TUCO用影响函数筛选仿真演示数据

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Ning Zhu 等人提出 TUCO（轨迹级效用与集合级覆盖优化）方法，用影响函数追踪每条源演示对目标域评分 rollout 的影响，将其分解为目标回报总体贡献与 rollout 间差异，作为统一衡量轨迹效用与集合覆盖的标准，用于 sim-to-real 机器人策略协同训练中的仿真演示数据筛选。 论文称在 RoboMimic 和 OmniReset 上的实验显示，TUCO 在单模拟器、sim-to-sim 和 sim-to-real 设置中达到当前最优性能。

AI 根据报道生成 · 1 天前更新

最新进展10月6日 12:00
TUCO：面向 sim-to-real 机器人策略协同训练的仿真演示数据筛选

报道时间线

沿着报道，了解事件的不同侧面。

10月6日
  1. arXiv cs.RO 机器人学
    TUCO：面向 sim-to-real 机器人策略协同训练的仿真演示数据筛选

    论文提出 TUCO（Trajectory-level Utility and set-level Coverage Optimization），用影响函数追踪每条源演示对目标域评分 rollout 的影响，将其分解为目标回报总体贡献与 rollout 间差异，作为衡量轨迹效用与集合覆盖的统一闭环标准。

本事件热度走势

可比范围当前
2
可比范围峰值
510月7日 13:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。