ClothCode 用统一生成式框架提升衣物状态估计与动力学预测

Yingdong Ru 等发布 ClothCode 研究，把衣物状态估计与动作条件动力学预测放进同一个离散配置空间：用材料对齐的 tokenizer 将衣物配置编码为残差向量量化 patch token，再由任务专用 Masked Generative Transformer 通过并行置信度引导精炼做预测。 在三种服装模板上，ClothCode 相对最强基线把状态估计的平均位移误差降低 26.6%，动力学预测降低 37.0%；接入同一模型预测控制器后，真实世界折叠与铺平任务成功率从 56.7% 提升到 78.9%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。