湖州网站集约化平台wordpress页首文件

湖州网站集约化平台,wordpress页首文件,正确的企业邮箱格式怎么写,新网站快速提高排名摘要 本文提出了一个高精度模拟平台 DualTHOR#xff0c;用于模拟双臂仿人机器人在现实世界中执行任务的情况#xff0c;并评估其规划能力和鲁棒性。许多传统模拟器都是围绕轮式或单臂机器人设计的#xff0c;往往会忽略物理不确定性和可能出现的故障。这限制了它们在现实世…摘要本文提出了一个高精度模拟平台 DualTHOR用于模拟双臂仿人机器人在现实世界中执行任务的情况并评估其规划能力和鲁棒性。许多传统模拟器都是围绕轮式或单臂机器人设计的往往会忽略物理不确定性和可能出现的故障。这限制了它们在现实世界中的应用。DualTHOR 是对 AI2-THOR 的扩展具有双臂机器人Unitree H1 和 Agibot X1的多种任务套件、基于物理的逆运动学、连续运动控制以及 “执行过程中的故障如断裂、溢出模拟应急机制”。这种机制使代理能够弥合计划期间的意图与现实中的不确定性之间的差距并有望培养出高度适应现实世界的代理。此外还使用最新的视觉语言模型VLM进行了基线评估结果表明当前模型在处理双臂任务和不确定性方面仍存在挑战。建议的方法DualTHOR 遵循 AI2-THOR 的基本设计但假定是一个仿人双臂机器人。它由三个主要部分组成。首先是双臂任务的专用任务设计。它定义了大量需要复杂操作的家庭任务假定单臂难以完成的动作例如一手拿杯一手倒水。任务分为 “双臂强制任务”、双臂可选任务 和 “单臂任务”这种设计增强了模型的通用性和灵活性。其次是物理连续动作控制。在 X1 和 H1 中IK 的配置不同X1 提供单臂控制而 H1 则提供全身协调的双臂控制。第三是应急机制。每个动作都有一定的失败概率如杯子打碎、液体溢出因此模型需要制定恢复计划。通过这一机制可以对模型进行评估包括评估其在计划失败时的重建能力。实验在实验中使用 GPT-4o 和 Gemini 1.5 Pro 等大型 VLM、Qwen2.5-VL 等开放式模型以及 DAG-Plan 等结构化提示对包含 10 个不同房间、68 个对象和 356 个任务的模型进行了评估。评估分为 “双臂强制”、双臂可选 和 单臂 三个类别另外还有三个难度级别简单、中等和困难和不同的行为成功率以比较各种条件下的成功率。结果表明现有的 VLM 在所有类别的双臂基本任务中成功率都很低尤其是在复杂任务和意外情况下性能明显降低。例如即使使用 DAG-Plan双臂任务的成功率也只有 40% 左右而且还发现了对动态重新规划和手臂相互干扰处理不当的例子。实验还使用了 “连续物理渲染”例如描绘水的逐渐积累以检查 VLM 是否能够跟踪视觉变化并更新其理解和规划。通过这样的设计DualTHOR 揭示了当前技术的局限性并对 VLM 的未来发展提出了明确的挑战。