InFeR 框架实现无需演示的感知失败恢复导航
热点事件持续更新
InFeR 框架实现无需演示的感知失败恢复导航
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
针对模仿学习策略在分布外场景下易发生不可预测失败的问题,Zishuo Wang、Joel Loo 和 David Hsu 提出了 InFeR 框架。该研究利用变信息瓶颈重构潜在空间以检测失败,并结合 Grad-CAM 将失败归因于特定图像区域,从而指导启发式策略自主恢复。 实机实验表明,InFeR 在不依赖额外训练数据及失败或恢复演示的情况下,在两种不同架构的策略上均能实现复杂环境中的长距离导航恢复。
AI 根据报道生成 · 10 小时前更新
最新进展11月18日 13:00
InFeR:一种具备知情失败韧性的视觉导航控制框架报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉InFeR:一种具备知情失败韧性的视觉导航控制框架
针对模仿学习策略在分布外场景下易发生不可预测失败的问题,该研究提出 InFeR 框架,可在不依赖失败或恢复演示的情况下,利用变信息瓶颈重构潜在空间以检测分布外失败,并结合 Grad-CAM 将失败归因于特定图像区域以指导启发式策略自主恢复。实机实验表明该方法在两种不同架构的策略上均能实现复杂环境中的长距离导航恢复。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 17:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。