跨重力域触觉旋转分类研究
热点事件持续更新
跨重力域触觉旋转分类研究
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Oscar Martinez-Bernal 等提出一种基于光流聚合的紧凑触觉表征方法，用模拟 GelSight Mini 的稠密光流在 7x9 网格上聚合成 126 个特征，分类负载引起的旋转方向。仅用地球数据训练的 XGBoost 准确率从地球 94.4% 降至轨道 75.9%，而跨地球、火星、月球与轨道四个重力域训练的单一模型整体达 96.3%，各域 95.1%–97.0%，且不把重力作为输入。 研究称重力导致的特征偏移仅占方差 1.6%（R²=0.016）；表征可压缩到 40 个特征仍保持 95.7% 准确率，XGBoost 单次推理 0.14 ms。数据来自模拟传感器，非实机实验。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
跨重力域的视觉触觉旋转分类：基于最小光流表征的研究报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.RO 机器人学跨重力域的视觉触觉旋转分类：基于最小光流表征的研究
研究用模拟 GelSight Mini 的稠密光流在 7x9 网格上聚合为 126 个特征，用于在地球、火星、月球与轨道重力下分类负载引起的旋转方向。重力使特征偏移占方差 1.6%（R2 = 0.016），仅用地球数据训练的 XGBoost 准确率从 94.4% 降至轨道 75.9%，而跨四重力域训练的单一模型整体达 96.3%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月9日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
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。