RTC

新的POTR方法增强了机器人策略动作的平滑度

研究人员开发了一种名为POTR（先验校正正交信任区域）的新指导方法，以提高流匹配机器人策略中动作分块的平滑度。该方法通过引入数据先验尺度以进行更强的中间时间校正，并将指导向量的垂直分量限制在信任区域内，从而解决了分块边界处的不连续性问题。在LIBERO基准上的实验表明，与现有的RTC指导相比，POTR提高了成功率，并显著减少了诸如不连续、加速度和加加速度等不良动作转换。