跳到正文
arXiv · 机器人与计算机视觉· Jindou Jia, Jingliang Li, Kuangji Zuo, Tuo An, Yuxuan Hu, Mengfei Zhao, Bofan Lyu, Jiaqi Bai, Daoyuan Zhu, Hengyu Dai, Junpeng Zhang, Jianfei Yang·· 16 天前AI 评分73

ODE Policy:基于动作动力学的机器人学习

ODE Policy: Robot Learning via Action Dynamics, Not Actions

AI 导读

论文提出 ODE Policy 方法,利用神经常微分方程学习动作向量场以替代传统离散动作映射,确保执行轨迹连续且平滑。该方法在模仿学习中相比流匹配基准,单轮训练后成功率提升 5.9 倍、泛化能力提升 5.4 倍;在强化学习中加速 SuperMimic 并优化运动跟踪。

来源:arXiv · 机器人与计算机视觉 · arxiv.org