测试时命令优化提升人形模型执行精度
热点事件持续更新
测试时命令优化提升人形模型执行精度
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Weiji Xie 等研究者提出测试时命令优化方法（TTCO），在不重新训练人形行为基础模型（BFM）的前提下，通过基于采样的闭环仿真调整输入指令，使实际执行轨迹更接近目标动作。 论文称，在 AMASS 数据集上的三个 BFM 中，TTCO 在仿真里将全身平均位置误差降低 79-84%；仿真与真机实验显示，由此生成的标签可用于训练高层运动操作策略。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
Test-Time Compute 提升人形机器人行为基础模型的全身位置精度报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv cs.RO 机器人学精选Test-Time Compute 提升人形机器人行为基础模型的全身位置精度
论文针对 Humanoid Behavior Foundation Models (BFM) 存在的指令执行偏差问题，提出 Test-Time Command Optimization (TTCO)，通过基于采样的闭环仿真优化输入指令而无需重训练 BFM。
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。