跳到正文
热点事件持续更新

TERRA提出时序效应表征与关系对齐的潜在动作学习方法

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Tianxingjian Ding等人提出潜在动作学习方法TERRA，用紧凑的时序效应（净特征变化加窗口内低阶动力学分量）描述状态转移，并提出Effect-Anchored Transport（EAT），让潜在动作在其他初始状态下解码后锚定到源端观察到的效果，使其含义由跨上下文的作用而非单一转移决定。 作者称在相同预训练规模下，完整系统在LIBERO基准上平均成功率达93.4%，高于UniVLA的91.8%。该成果目前为预印本，代码与项目页尚未发布。

AI 根据报道生成 · 7 小时前更新

最新进展10月8日 12:00
TERRA：通过时序效果表示与关系对齐学习可迁移的潜在动作

报道时间线

沿着报道，了解事件的不同侧面。

10月8日
  1. arXiv cs.RO 机器人学
    TERRA：通过时序效果表示与关系对齐学习可迁移的潜在动作

    TERRA 用紧凑的时序效果（净特征变化加窗口内低阶动力学分量）描述状态转移，并提出 Effect-Anchored Transport（EAT），让潜在动作在其他初始状态下解码后锚定到源端观察到的效果，使其含义由跨上下文的作用而非单一转移决定。

本事件热度走势

可比范围当前
8
可比范围峰值
1010月8日 13:00
近 24 小时变化
–

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。