LEARNING开放获取
面向人形机器人视频模仿学习的直接动态重定向
Constant Roux, Ludovic De Matteïs, Armand Jordana, Valentin Guillet, Nicolas Mansard, Olivier Stasse, Philippe Souères
2026
摘要
提出直接动态重定向(DDR)框架,直接从专家视频生成高保真、动态可行的轨迹,绕过传统几何重定向的几何偏差。实验表明DDR在演示跟踪精度上优于现有方法,并为强化学习提供物理可行的参考,加速训练收敛。
关键词
Direct Dynamic Retargetinghumanoid imitation learningmonocular videoModel Predictive Controlgeometric bias
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026