Terrain traversability专业
经验驱动的持续学习预测四足机器人地形可通过性,验证门控降低遗忘23.1%
这篇预印本提出一个持续学习管线,利用冻结的DINOv3视觉特征和证据回归器从接触前图像预测五种足端交互指标,并通过有界重放和验证门控持续更新。在Unitree Go2真机顺序经过三种新地形时,带历史验证门控的方法比仅重放方法将最终锚点负对数似然退化降低23.1%,同时新地形适应相近。该预印本尚未经同行评审。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
这篇预印本提出一个持续学习管线,利用冻结的DINOv3视觉特征和证据回归器从接触前图像预测五种足端交互指标,并通过有界重放和验证门控持续更新。在Unitree Go2真机顺序经过三种新地形时,带历史验证门控的方法比仅重放方法将最终锚点负对数似然退化降低23.1%,同时新地形适应相近。该预印本尚未经同行评审。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。