跳到正文
arXiv · cs.HC· Aalap D. Shah, Basil Saeed, Joshua B. Tenenbaum, Tobias Gerstenberg, Hyowon Gweon, Ilker Yildirim·· 2 天前精选AI 评分65

GenEA:理解具身计划的计算框架,在操作与导航任务上优于强基线

A computational framework for understanding embodied plans

AI 导读

作者提出 GenEA,一种可对多步、长时程具身计划进行推理的智能体表示,其核心是耦合关节体粗粒度生物力学与物体交互的多层级状态空间,通过将机器人领域的任务与运动规划框架与基于模拟的直觉物理相结合,并在生成模型中嵌入该状态空间,得到目标与具身计划的联合概率分布。

推荐理由

论文把任务与运动规划与直觉物理耦合进生成模型,并在操作与导航任务上对比强基线,可供关注具身推理的读者判断其可迁移性。

来源:arXiv · cs.HC · arxiv.org