כתבה
arXiv cs.AI ·
מודלים קומפקטים לניבוי ובקרה
Compact Visuotactile World Models for Lifting: Prediction, Reward Alignment, and Force Constraints
חוקרים פיתחו מודל עולם ויזואוטקטילי קומפקטי לניבוי ובקרה. המודל משלב בין ניבוי ובקרה כדי לשפר את היכולת להרים אובייקטים. המודל הופעל על 120 סביבות MuJoCo שונות והשיג שיפור משמעותי בדיוק הניבוי.
תקציר מקורי באנגליתarXiv:2609.09597v2 Announce Type: cross Abstract: Accurate tactile forecasts need not improve force-constrained control. We study a 652,157-parameter action-conditioned visuotactile world model with matched behavior cloning, policy learning in imagination, independent reactive implicit Q-learning, and model-assisted force feedback. A fixed protocol executes 34 policies on 120 fresh MuJoCo environments spanning geometry and physical-parameter shifts, plus 324 independently replayed action branches on 12 additional ID environments. Visuotactile dynamics reduce force action-effect MAE from 0.413 N for persistence to 0.338 N. Model-assisted feedback raises ID force-budgeted success from 73.3% to 93.3%, with paired difference +20.0 [+6.7,+33.4] percentage points (95% CI), with the difference oc
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית