FACE框架将任务意图与接触因素分离
热点事件持续更新
FACE框架将任务意图与接触因素分离
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
Jiho Hong 等研究者提出接触因子化模仿学习框架 FACE,把任务意图与环境相关的接触因素分离开来。该框架在归一化的接触相对坐标中表达交互力,通过学习的接触法线估计器与在线摩擦估计器推断局部接触法线和有效摩擦尺度,在执行中把力观测编码、把策略输出解码为运动与力指令,无需更新策略参数即可适配当前接触条件。 作者称在真实机器人接触丰富操作任务上评估了 FACE,覆盖表面属性与几何形状的未见变化。
AI 根据报道生成 · 7 小时前更新
最新进展10月8日 12:00
FACE:通过接触因素分解实现接触感知的模仿学习报道时间线
沿着报道,了解事件的不同侧面。
10月8日
- arXiv cs.RO 机器人学FACE:通过接触因素分解实现接触感知的模仿学习
论文提出 FACE,一个接触因素分解的模仿学习框架,将任务意图与环境相关的接触因素分离。其表示在归一化的接触相对坐标中表达交互力,并通过学习的接触法线估计器与在线摩擦估计器推断局部接触法线和有效摩擦尺度,从而在执行中把力观测编码、把策略输出解码为运动与力指令,无需更新策略参数即可适配当前接触条件。
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
- –
02.557.510
13:0014:0015:0016:0017:0018:0019:00
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。