关键词real-world robotics applications
搜索结果 - 3
- 用于复杂、新颖物体的稠密填充的卷积占空模型
通过与现有规划方法结合,我们提出了一种全卷积形状补全模型(F-CON),可以在现实世界中实现密集堆放。我们还发布了一个模拟数据集(COB-3D-v2),用于训练真实世界机器人应用的形状补全模型,并使用它证明 F-CON 超过其他最先进的形状 - 少样本类别增量学习的主动类别选择
通过与用户的有限交互,为真实世界的应用而设计的机器人将需要不断学习其环境。本文结合了少样本类增量学习(FSCIL)和主动类选择(ACS)的思想,开发了一个新框架,使自主代理能够通过要求用户仅对环境中最富信息的少数对象进行标记来持续学习新对象 - 多视角梦境:对比学习的多视角世界模型
本文提出了一个新的强化学习代理,Multi-View Dreaming,用于从多视角观测中进行综合识别和控制。我们使用对比学习来训练不同视角之间的共享潜在空间,并展示了如何使用专家产品方法来集成和控制多个视角的概率分布的潜在状态。我们还提出