visuomotor control | BriefGPT

关键词visuomotor control

搜索结果 - 8

基于模型的隔离想象强化学习
Iso-Dream++ 提出了一种基于模型的强化学习方法，通过优化逆动力学以及利用分离可控状态转移的混合动态源，对视觉导向交互系统中的动态实现更有效的建模。实证研究证明，在 CARLA 和 DeepMind Control 等控制环境中，I
PDFa year ago
语言驱动的机器人表示学习
本文介绍了一种基于语言驱动的视觉表示学习方法，即 Voltron，并通过全面的实验验证表明其在五种不同的机器人学习问题上的表现优于以往技术，特别是在需要更高级特征的问题上。
PDFa year ago
ICLR具有不变渲染功能的状态预测器，使用可微模拟和渲染进行跨领域参数估计
本研究提出新方法，结合域随机化和可微分渲染梯度，培训一个抗渲染性逆熵网络来将图像差异转换为与渲染配置无关的状态差异，用于系统识别及视觉运动控制，结果显示该方法具有较低的重构误差和更好的普适性。
PDF2 years ago
多尺度传感器融合和神经 CDE 的连续控制
本文提出了一种新的方法 InFuser 来训练连续时间策略，通过积分和融合多传感器观察数据来推断出连续时间动作，以期获得更好的视觉 - 运动控制。行为克隆实验表明，InFuser 在动态任务中（例如将球挥入杯中）学习到了稳健的策略，并且在观
PDF2 years ago
用于视觉运动控制的三维神经场景表示
本文提出了一种从 2D 视觉观察中学习动态 3D 场景模型的方法，结合神经放射场、时间对比学习和自动编码框架，可以学习到视点不变的 3D 感知场景表示，进而实现包括刚体和流体在内的具有挑战性的操作任务的视觉运动控制和未来预测，并支持摄影机视
PDF3 years ago
ICLRgradSim: 用于系统辨识与视觉模式控制的可微分模拟
本文提出 gradSim 框架，通过可微分的多物理模拟和可微分的渲染来联合模拟场景动态和图像生成的演化，从而将像素级反向传播到生成它们的基础物理属性，以实现对物体质量、摩擦力和弹性等物理属性的直接估计。该框架克服了 3D 监督的依赖，并在具
PDF3 years ago
ICLR端到端自我空间记忆
提出使用无参数模块 Egospheric Spatial Memory (ESM) 来通过在自主代理周围的自我球内部编码记忆以实现表达三维表示来改善空间记忆的性能，并可以通过模仿或强化学习进行端对端训练，在训练效率和最后的控制方法表现方面明
PDF3 years ago
通用规划网络
本文介绍了一种名为 UPN 的通用规划网络，该网络利用可微分的规划和梯度下降轨迹优化来学习适用于规划、泛化和目标指定的抽象表示方法，并能够成功实现跨具有不同构形和作用能力的机器人的视觉运动规划策略转移。
PDF6 years ago