LEARNING
通过机器人渲染的机器人因子世界模型
Byungjun Kim, Taeksoo Kim, Hyunsoo Cha, Hanbyul Joo
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出机器人因子世界模型，将动作实现和机器人渲染两个机器人特定因素从世界模型中分离出来，以避免学习动作实现过程或泄露未来状态。通过使用名义轨迹和URDF渲染，模型能够更有效地预测未来观测，并解决深度模糊问题。
关键词
world modelsrobot renderingaction-conditioned video predictionnominal trajectoryURDF
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