机器人操纵任务中基于物理的因果推理,用于安全和稳健的下一最佳行动选择
通过将基于物理的因果推理嵌入机器人的决策过程中,我们可以使机器人任务执行更安全、更可靠,对各种类型的不确定性更具鲁棒性。
本论文提出了一种基于物理模拟的任务生成方法,通过定义物体之间的因果物理交互序列来生成任务。该方法应用于愤怒的小鸟物理解谜游戏,并使用一系列指标对生成的任务进行评估。该方法可用于评估物理推理代理,并为复杂真实世界应用的代理开发提供帮助。
BriefGPT - AI 论文速递 -
通过将基于物理的因果推理嵌入机器人的决策过程中,我们可以使机器人任务执行更安全、更可靠,对各种类型的不确定性更具鲁棒性。
本论文提出了一种基于物理模拟的任务生成方法,通过定义物体之间的因果物理交互序列来生成任务。该方法应用于愤怒的小鸟物理解谜游戏,并使用一系列指标对生成的任务进行评估。该方法可用于评估物理推理代理,并为复杂真实世界应用的代理开发提供帮助。
热榜 Top10
标签 Top100
全部ai 语言模型 神经网络 linux llm 开源 微软 .net python 数据集 人工智能 算法 google apple 扩散模型 安全 机器学习 苹果 java 深度学习 android rust 游戏 建模 postgresql 机器人 漏洞 谷歌 ios windows mysql openai c# 大模型 spring 函数 api 开发者 gpt github 教程 microsoft chatgpt 卷积 数据库 windows 11 web nvidia mongodb iphone 浏览器 内存 强化学习 docker cloud security 插件 sql 大语言模型 编码器 wordpress 基准测试 黑客 程序员 欧盟 联邦学习 总结 mac 入门 解决方案 流量 postgres 无监督 sora 工程师 generative ai 一致性 c++ 点云 spring boot pdf 网络安全 视图 swift redis 硬件 接口 前端 重建 单片机 visual studio git 多智能体 容器 kubernetes 面试 cve 源码 协议 javascript
赞助商
我也要赞助推荐或自荐