热点事件观察中

PredActor用本体感知实现人形机器人可控全身控制

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Lei Ye 等研究团队发布论文提出 PredActor 预测式动作扩散策略，仅依赖本体感知历史即可联合预测动作与内部未来状态轨迹，无需动作参考跟踪器或特权全身状态，通过 classifier-free guidance 强化文本条件动作、classifier guidance 将未来状态引向测试时目标。在仿真中，PredActor 到达 45 个目的地目标中的 44 个，文本检索得分 0.539，高于条件动作扩散的 0.424，抗扰存活能力相当；经滚动去噪与运行时优化后，完整回调在 Jetson Orin NX 上中位 16.790 ms、p95 19.383 ms，处于 20 ms 控制周期内。该策略已部署于 Unitree G1，演示了文本条件动作、抗扰响应、摇杆控制与语义插值。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月6日

12:00
arXiv cs.RO 机器人学
PredActor 提出预测式动作扩散策略，仅用本体感知实现人形机器人可控全身控制
PredActor 是一种预测式动作扩散策略，仅依赖本体感知历史即可联合预测动作与内部未来状态轨迹，通过 classifier-free guidance 强化文本条件动作、classifier guidance 将未来状态引向测试时目标，无需动作参考跟踪器或特权全身状态。

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。