RefreshGrad:扩散模型视觉运动学习的在线自适应采样方法
热点事件持续更新
RefreshGrad:扩散模型视觉运动学习的在线自适应采样方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
针对视觉语言动作策略训练中演示数据监督价值随时间剧烈变化的问题,Dijia Zhan 于 2026 年 11 月 19 日发布论文提出 RefreshGrad 框架。该方法周期性利用五类策略原生信号对时序窗口评分并动态调整采样权重,旨在优化高信息量且可学习的训练窗口。此过程保持策略架构、训练目标及推理成本不变,并在 LIBERO-Plus 任务上验证了性能提升。
AI 根据报道生成 · 3 小时前更新
最新进展11月20日 13:00
RefreshGrad:一种用于扩散模型视觉运动学习的在线自适应数据采样方法报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · 机器人与计算机视觉RefreshGrad:一种用于扩散模型视觉运动学习的在线自适应数据采样方法
针对视觉语言动作策略训练时演示数据监督价值随时间窗口剧烈变化且无法仅靠原始损失捕捉的问题,本文提出 RefreshGrad 框架。该方法周期性利用五类策略原生信号对时序窗口进行评分并动态调整采样权重,专注于优化信息量大且可学习的窗口,同时保持策略架构、训练目标和推理成本不变。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月20日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
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。