正在加载词典…
正在加载词典…
面向物理世界感知、推理与行动的 AI。本专题围绕机器人展开，关注模型如何利用环境反馈完成真实任务。
研究智能体如何通过身体感知环境、采取行动并利用反馈。身体可以是真实机器人，也可以是仿真中的虚拟载体。
把视觉观察、语言指令与机器人动作连接起来的模型。它需要输出可用于控制的动作表示，而不只是文字回答。
决定机器人在当前观察和任务条件下如何行动的规则或模型。它可以输出单个动作，也可以一次预测一段动作。
利用专家示范学习行动方式。机器人示范通常记录观察与动作，使策略学习在相似条件下应该如何操作。
把仿真中学到的能力迁移到真实系统。核心问题是虚拟环境与真实环境存在差异，策略能否适应这些差异。
在这里指学习环境如何随动作变化的模型，用来预测可能的后续状态，并为控制策略的学习或决策提供依据。
由人通过操作接口控制机器人。它可以用于实际操作，也可以采集同步的观察与动作，作为机器人学习的示范。
把专家示范中的观察与动作当作监督样本，直接学习在给定观察下应该采取什么动作。
让策略一次预测一段连续动作，而不是每次只预测一个动作；执行与更新方式由控制系统决定。
把机器人动作生成建模为条件去噪过程，根据当前观察逐步生成动作或动作序列。
在训练时改变环境条件，让模型面对多种变化，减少对某一种仿真外观或环境设定的依赖。
通过自身传感与状态估计获取身体的姿态和运动信息，帮助机器人判断自己的关节与机体正在怎样运动。
围绕具体物理对象、设施或过程建立的数字表示，用于设计、仿真或运行分析，并与对应对象的数据保持联系。
同时预测未来视频（或视觉状态）与机器人动作的一类策略模型，把“想象接下来会看见什么”和“该怎么动”当成同一问题。