arXiv · 机器人与计算机视觉· Haizhou Ge, Mengshuo Wang, Yufei Jia, Lei Han, Lu Shi, Guyue Zhou, Ruqi Huang·· 16 天前精选AI 评分78
为什么 Koopman 结构无法帮助可微世界模型进行类人机器人全身跟踪
Why Koopman Structure Does Not Help Differentiable World Models for Humanoid Whole-Body Tracking
AI 导读
该论文测试了将 MLP 世界模型替换为具有升维状态空间线性动力学的 Koopman 结构后,对 Unitree G1 全身体跟踪策略的影响。实验发现 Koopman 结构并未带来性能提升(返回精度持平甚至略低),且训练速度变慢约 15%。研究指出,由于策略动作跨越曲率区域,仿射模型仅在策略操作点切线处准确,而 MLP 能直接读取动作信息,因此在固定状态下表现更好。
推荐理由
实验表明在 Unitree G1 全身体跟踪任务中,Koopman 线性结构并未提升可微世界模型性能,MLP 仍是更优选择。
来源:arXiv · 机器人与计算机视觉 · arxiv.org