PulseAugur
中
实时 13:15:29

New Physics-Guided Dynamics Model Enhances Deformable Object Simulation for Robotics

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了物理引导残差动力学（PGRD），一个新颖的模拟框架，旨在提高机器人领域中可变形物体动力学预测的准确性。PGRD集成了基于物理的弹簧-质量模拟器和一个学习纠正物理预测的神经网络，利用滑动窗口Transformer进行时间分析。这种混合方法在各种真实世界可变形物体上，与纯粹基于物理或基于学习的方法相比，显示出更高的准确性。该框架的实用性通过模型预测控制的操纵规划和通过动作条件视频预测的交互式模拟等应用进一步展示。 AI

影响 通过改进对可变形物体行为的预测，这个新的模拟框架可以增强机器人操纵任务的真实感和效率。

排序理由 该集群包含一篇详细介绍新模拟框架的研究论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

New Physics-Guided Dynamics Model Enhances Deformable Object Simulation for Robotics

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Shivansh Patel, Kaifeng Zhang, Sanjay Pokkali, Svetlana Lazebnik, Yunzhu Li ·

    学习物理引导的残差动力学用于可变形物体仿真

    arXiv:2607.13451v1 Announce Type: cross Abstract: Simulating deformable objects is essential for a wide range of robotic manipulation applications, yet accurately predicting their dynamics remains challenging. We propose Physics-Guided Residual Dynamics (PGRD), a hybrid simulatio…

  2. arXiv cs.AI TIER_1 English(EN) · Yunzhu Li ·

    学习物理引导的残差动力学用于可变形物体仿真

    Simulating deformable objects is essential for a wide range of robotic manipulation applications, yet accurately predicting their dynamics remains challenging. We propose Physics-Guided Residual Dynamics (PGRD), a hybrid simulation framework that combines the advantages of physic…

相关实体

相关话题