English(EN) Learning Equivariant Neural-Augmented Object Dynamics From Few Interactions

PIEGraph 结合物理学和 GNN 以实现数据高效的机器人对象动力学

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-04 15:11

研究人员开发了 PIEGraph，一种将解析物理学与等变图神经网络相结合的新方法，可以从有限的交互数据中学习对象动力学。该方法提高了刚性和可变形对象预测的物理可行性，优于现有方法。PIEGraph 已在各种机器人操作任务中进行了评估，包括绳索、布料和毛绒玩具等物品的重新定向和重新定位。 AI

影响通过以更少的数据实现更准确的动力学预测，增强了机器人操作能力。

排序理由这是一篇详细介绍学习对象动力学新方法的学术论文。

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

报道来源 [2]

arXiv cs.CV TIER_1 English(EN) · Sergio Orozco, Tushar Kusnur, Brandon May, George Konidaris, Laura Herlant · 2026-05-05 04:00

从少量交互中学习等变神经增强对象动力学

arXiv:2605.02699v1 Announce Type: cross Abstract: Learning data-efficient object dynamics models for robotic manipulation remains challenging, especially for deformable objects. A popular approach is to model objects as sets of 3D particles and learn their motion using graph neur…
arXiv cs.CV TIER_1 English(EN) · Laura Herlant · 2026-05-04 15:11

从少量交互中学习等变神经增强对象动力学

Learning data-efficient object dynamics models for robotic manipulation remains challenging, especially for deformable objects. A popular approach is to model objects as sets of 3D particles and learn their motion using graph neural networks. In practice, this is not enough to ma…