TL;DR
- چکیده:.
- یادگیری ربات دو دستی از نمایشها اساساً توسط هزینه و تنوع بصری محدود دادههای دنیای واقعی محدود میشود،.
- که استحکام خطمشی را در بین دیدگاهها،.
چه اتفاقی افتاد
چکیده:. یادگیری ربات دو دستی از نمایشها اساساً توسط هزینه و تنوع بصری محدود دادههای دنیای واقعی محدود میشود،.
که استحکام خطمشی را در بین دیدگاهها،. پیکربندیهای شیء و تجسمها محدود میکند.
ما تولید دادههای ربات هدایتشده توسط Canny را با استفاده از ترانسفورماتورهای انتشار ویدیو (CRAFT) ارائه میکنیم،. یک چارچوب مبتنی بر انتشار ویدیویی برای تولید نمایش دو دستی مقیاسپذیر که ویدیوهای دستکاری منسجم زمانی را.
همزمان با تولید ی اقدام ترکیب میکند. CRAFT با شرطیسازی انتشار ویدئو بر روی نشانههای ساختاری مبتنی بر لبه استخراجشده از مسیرهای شبیهساز،.
تغییرات مسیر فیزیکی قابل قبولی را ایجاد میکند و از یک خط لوله تقویت یکپارچه شامل تغییرات ژست. شی،.
دیدگاههای دوربین،. تغییرات نور و پسزمینه،.
انتقال متقابل تجسم،. و سنتز چند نمای پشتیبانی میکند.
ما از یک پیشآموزش دیده استفاده میکنیم مدل انتشار ویدئو برای تبدیل ویدئوهای شبیهسازی شده،. همراه با ی اکشن از مسیرهای شبیهسازی،.
به نمایشهای سازگار با عمل. با شروع تنها چند نمایش در دنیای واقعی،.
CRAFT مجموعه بزرگ و متنوعی از دادههای آموزشی فوتورئالیستی را تولید میکند و نیاز به پخش مجدد نمایشها. در ربات واقعی (Sim2Real) را دور میزند.
در میان وظایف دو دستی شبیهسازیشده و واقعی،. CRAFT نرخ موفقیت را نسبت به استراتژیهای تقویت موجود و مقیاسبندی ساده دادهها بهبود میبخشد،.
و نشان میدهد که تولید ویدیوی مبتنی بر انتشار میتواند بهطور قابلتوجهی تنوع نمایش را افزایش دهد و. تعمیمسازی را برای وظایف دستکاری دو بازویی بهبود بخشد.
وب سایت پروژه ما در این آدرس https موجود است رباتیک (cs. RO)؛ هوش مصنوعی (cs.
AI)؛ بینایی کامپیوتری و تشخیص الگو (cs. CV)؛ یادگیری ماشینی (cs.
LG) استناد بهعنوان: (یا v1 [cs. RO] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Jason Chen [مشاهده ایمیل] [v1] شنبه،.
4 آوریل 2026،. 02:.
36:. 54 UTC (8,.
857 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.