跳到主要内容
检索

# SIGReg正则化

4 篇关联报道

订阅更新
  1. arXiv

    世界模型不再先学表征再配控制器：LeWAM把动作预测并进同一遍训练，接触密集任务成功率从28.6%升到89.7%

    LeWAM把视觉表征、动作条件潜在动力学和随机策略放进同一次训练，在接触密集任务上把规划成功率从28.6%提到89.7%，长程任务从10.9%提到46.2%，规划速度提高32.3倍。

    University of California San DiegoJohn Brown UniversityUniversity of British ColumbiaETH ZurichBrown University
    Minghao Fu（第一作者）
    LeWAM 世界与动作模型联合嵌入预测架构潜在世界模型流匹配策略视觉规划
  2. researchsquare.com

    成人隐匿性异物吸入不再只给一个概率：自监督把气道压成高斯流形，敏感性从18.8%升到56.3%

    成人放射性透明异物吸入在CT上与软组织、黏液密度接近，此前只能靠逐层人工阅片，容易漏诊。AI-PACS改用自监督异常检测：先在804例无标注CT上学习“非异物”气道的标准高斯流形，再把偏离该流形的区域判为异常，并映射到支气管S1–S10分段。在35例人机对照子集中，敏感性由放射科医师的18.8%升至56.3%，阴性排除的平均阅片时间减少约75%。

    Wuhan University of Science and TechnologyUniversity of SouthamptonZhongnan Hospital of Wuhan UniversityRenmin Hospital of Wuhan UniversityJianghan UniversityCentral Hospital of Wuhan
    Xiaofan Liu（第一作者）Jixiang Ni（第一作者）Zhe Chen（第一作者）
    AI-PACS平台LeJEPA架构自监督异常检测SIGReg正则化气道异物吸入
  3. arXiv

    机器人操作不再只看当前画面：用光流监督预测未来运动，0.87B参数模型在真机双臂任务上平均成功率63.3%

    Evo-World把光流监督的未来运动预测加进轻量视觉-语言-动作策略，在Meta-World MT50上取得91.1%的分层平均成功率，比无预测基线相对提升13.0%，并在AgileX真机单臂与双臂任务上以0.87B参数超过所评估的基线。

    Zhejiang UniversityShanghai Jiao Tong UniversityUniversity of Electronic Science and Technology of China
    Zile Zhong（第一作者）
    Evo-World光流监督视觉-语言-动作模型SIGReg正则化机器人操作
  4. arXiv

    AnisoWM 用可学习对角协方差替换各向同性正则，在四个视觉控制环境中全部超过 LeWM 的规划成功率

    该工作指出各向同性高斯正则（SIGReg）会让潜空间欧氏规划代价与任务代价排序不一致，提出 AnisoWM 与 ΛReg：在固定迹与各向异性约束下学习对角协方差目标，仅改变训练期正则、保留原预测目标与欧氏规划器，并在 TwoRoom、Reacher、PushT、Cube 四个视觉控制环境中规划成功率均高于 LeWM，潜代价与任务结果的排序一致性也更好。

    Seoul National UniversityEwha Womans University
    Kang Mingu（第一作者）
    AnisoWM各向异性世界模型SIGReg正则化世界模型潜在空间规划

已读完全部报道