实体
IntelChina-AI
IntelChina-AI
PulseAugur coverage of IntelChina-AI — every cluster mentioning IntelChina-AI across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Kinematic MeanFlow 提升机器人模型动作生成速度
研究人员开发了 Kinematic MeanFlow (K-MF)，这是一种新颖的一步式动作生成策略，旨在提高机器人基础模型 (RFMs) 的效率。传统的多步流匹配方法存在较高的推理延迟，K-MF 通过解耦 MeanFlow 公式中的时间导数项来解决这一问题。这种方法使 K-MF 能够更好地捕捉 RFM 速度场在去噪过程中的独特动力学，从而减轻误差放大并实现更快的动作生成。新策略已在 GR00T-N1.6 等模型的动作头延迟方面取得了…
-
Kinematic MeanFlow 将机器人模型延迟最多降低 74%
研究人员开发了 Kinematic MeanFlow (K-MF)，这是一种新颖的一步动作生成策略，旨在降低机器人基础模型 (RFMs) 的推理延迟。K-MF 通过解耦时间导数项来解决 MeanFlow 框架中观察到的性能问题，使其能够更好地捕捉早期和晚期去噪动态。这一新策略使 RFMs 能够实现一步动作生成，并显著降低延迟，在各种任务中优于多步流匹配。