LEARNING
世界翻译：通过反向动力学提取和无配对域翻译最小化仿真到现实的差距
Xinchen Yao, Leixin Chang, Hua Chen
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种名为“世界翻译”的方法，通过从观察到的过渡中反向提取不可观测的动力学信息，并利用无配对域翻译技术，将仿真与现实的差距最小化。该方法结合了仿真器的确定性和学习模型的准确性，有效解决了部分可观测性问题。
关键词
sim-to-realdomain translationbackward dynamicspartial observabilityrobotics
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018