PoLAR 潜在动作结构化方法被 CoRL 2026 接收
热点事件持续更新
PoLAR 潜在动作结构化方法被 CoRL 2026 接收
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Youngjoon Jeong 等作者提出并验证的 PoLAR（Polar Latent Actions with Radial structure）潜在动作结构化方法被 CoRL 2026 接收。该方法在潜在动作上施加径向-方向结构，让半径编码状态变化的幅度、方向保留变化的模式，从而帮助下游策略把潜在动作映射为机器人动作。 作者以观测间的时间偏移作为幅度的弱代理，并在双曲空间中实例化该结构。据论文称，在任务内和大规模预训练设置下，PoLAR 在仿真与真实机器人实验中的表现优于潜在动作基线及强预训练 VLA 模型。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
PoLAR：在机器人策略学习的潜在动作中分解幅度与模式报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LGPoLAR：在机器人策略学习的潜在动作中分解幅度与模式
PoLAR 通过在潜在动作上施加径向-方向结构，让半径编码变化的幅度、方向保留变化的模式，从而帮助下游策略将潜在动作映射为机器人动作。该方法以观测间的时间偏移作为幅度弱代理，并在双曲空间中实例化该结构。在任务内与大规模预训练设置下，PoLAR 在仿真和真实机器人实验中均优于潜在动作基线及强预训练 VLA 模型。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。