Tag · 3 篇

运动规划

分布强化学习与具身智能1视觉语言模型13D 视觉与重建1

Visual-RRT: Finding Paths toward Visual-Goals via Differentiable Rendering

把可微机器人渲染当作视觉目标的对齐信号，与 RRT 的采样探索结合，为视觉目标条件下的操作规划提供了可复用的「梯度利用 + 采样探索」框架；做视觉目标设定、视觉伺服或渲染驱动优化的研究者可直接借用其前沿式探索-利用调度与惯性梯度树扩展。

Vector Prism: Animating Vector Graphics by Stratifying Semantic Structure

把 SVG 中碎片化的低层图元通过多次弱预测的统计聚合恢复成语义部件组，为 VLM 提供结构化输入，这一「先恢复语义结构再交给 VLM 生成」的范式可迁移到其他需要 VLM 操作结构化图形/代码的视觉任务。

DLWM: Dual Latent World Models enable Holistic Gaussian-centric Pre-training in Autonomous Driving

提出以3D语义高斯为场景表示的双潜变量世界模型预训练框架，可复用于基于高斯表示的感知与规划任务，其高斯流引导的潜变量预测思路对时序特征学习有借鉴意义。