ParkourFormer用预测监督提升人形跑酷成功率
热点事件持续更新
ParkourFormer用预测监督提升人形跑酷成功率
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
Yanheng Mai 等提出基于 Transformer 的人形跑酷运动框架 ParkourFormer，在包含楼梯、沟壑、坡道、崎岖地形和障碍穿越的多地形基准上取得 93.96% 的平均穿越成功率，高于普通 Transformer 的 90.49% 和 MoE-MLP 策略的 87.16%，且所有地形共用同一策略。 该框架把跑酷决策重构为以未来状态为条件的问题：当前状态通过 cross-attention 查询历史感觉运动轨迹，轻量预测头只依据历史观测与动作预测短时程未来本体感知状态，真实未来状态仅作监督目标，作者称由此避免未来信息泄漏。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
ParkourFormer 将预测监督与序列建模结合用于人形机器人跑酷运动报道时间线
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ParkourFormer 将预测监督与序列建模结合用于人形机器人跑酷运动
ParkourFormer 是一个基于 Transformer 的序列建模框架，把人形机器人跑酷运动重构为以未来状态为条件的决策问题：当前机器人状态通过 cross-attention 查询历史感觉运动轨迹，轻量预测头基于历史观测与动作预测短时程未来本体感知状态，真实未来状态仅作为监督目标，避免未来信息泄漏。
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。