热点事件持续更新

提出TTTS张量分解树搜索方法

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Teng Xue、Yan Zhang、Amirreza Razmjoo、Sylvain Calinon 提出 Tensor Train Tree Search（TTTS）方法，用张量分解挖掘决策树不同分支间的隐式相关性，以紧凑的线性复杂度表示降低计算与存储开销，缓解蒙特卡洛树搜索（MCTS）在高维域的组合复杂度。论文实验覆盖逆运动学、避障运动规划、腿式机器人操作、多阶段运动规划与双臂全身操作，称验证了 TTTS 在多样任务上的通用优化效率。

AI 根据报道生成 · 1 小时前更新

最新进展10月15日 12:00

TTTS：用张量分解改进机器人优化的蒙特卡洛树搜索

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv cs.RO 机器人学精选
TTTS：用张量分解改进机器人优化的蒙特卡洛树搜索
论文提出 Tensor Train Tree Search（TTTS），用张量分解挖掘决策树不同分支间的隐式相关性，以紧凑的线性复杂度表示显著降低计算与存储开销，缓解 MCTS 在高维域的组合复杂度。实验覆盖逆运动学、避障运动规划、腿式机器人操作、多阶段运动规划与双臂全身操作，验证 TTTS 在多样任务上的通用优化效率。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。