提出人形重定向的推理时反应搜索框架

Yongpeng Cao、Masahiro Hirano、Yuji Yamakawa 提出一种面向人形机器人重定向的推理时反应搜索框架：从生成式反应模型中随机采样多个候选反应，联合评估反应质量与目标人形机器人的本体可行性，在反应生成器冻结的前提下无需重训练即可适配不同人形本体。代码将开源。 论文实验显示，该流程将人形重定向可行性提升 1.61%；在 78.98% 的样本上，人类动作空间与 G1 的最佳候选选择不一致，作者据此称反应选择存在显著的本体依赖性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。