跳到正文
热点事件持续更新

提出非周期性人形运动跌倒预测新方法与新基准

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

研究人员提交了一项针对非周期性时间序列预测的新方法,旨在基于自中心视觉和本体感觉预测人形机器人跌倒。该研究指出,现有深度学习方法在处理此类无周期性数据时表现不佳。 作者同时贡献了两个新基准数据集,分别源自仿真环境和真实硬件测试。代码与数据集将在论文被接收后公开提供。

AI 根据报道生成 · 53 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    一种用于非周期性视觉 - 运动时间序列的多模态标签预测方法

    该研究聚焦于无周期性的时间序列预测任务,具体为基于自中心视觉和本体感觉的人形机器人跌倒预测。作者贡献了两个新基准数据集(分别来自仿真和真实硬件),证明现有深度学习方法在此类非周期性数据上表现不佳。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。