TacOT用触觉引导最优传输迁移灵巧操作
热点事件观察中
TacOT用触觉引导最优传输迁移灵巧操作
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Xingting Li等研究者提出TacOT框架,通过动作-触觉动态时间规整识别人类与机器人演示中交互动力学一致的对应关系,再在共享策略表示空间中用软最优传输对齐,无需预定义帧级配对,用于从人类演示学习接触密集型灵巧操作。 在4个真实灵巧操作任务上,TacOT的闭环成功率较action-guided OT在分布内任务最高提升17个百分点,在定向人到机器人分布外迁移下提升20个百分点。
AI 根据报道生成 · 1 天前更新
最新进展10月6日 12:00
TacOT:通过触觉引导最优传输从人类演示中学习接触密集型灵巧操作报道时间线
沿着报道,了解事件的不同侧面。
10月6日
- arXiv cs.RO 机器人学TacOT:通过触觉引导最优传输从人类演示中学习接触密集型灵巧操作
TacOT 提出触觉引导最优传输框架,用动作-触觉动态时间规整识别人类与机器人演示中交互动力学一致的对应关系,再引导共享策略表示空间中的软最优传输对齐,无需预定义帧级配对。在 4 个真实灵巧操作任务上,闭环成功率较 action-guided OT 在分布内任务最高提升 17 个百分点,在定向人到机器人分布外迁移下提升 20 个百分点。
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%
0246
18:0010月8日06:0012:0018:00
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。