Continuous Control
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 3
- 평가표
- 73
- 보존된 평가 기록
- 116
Continuous control in the context of playing games, especially within artificial intelligence (AI) and machine learning (ML), refers to the ability to make a series of smooth, ongoing adjustments or actions to control a game or a simulation. This is in contrast to discrete control, where the actions are limited to a set of specific, distinct choices. Continuous control is crucial in environments where precision, timing, and the magnitude of actions matter, such as driving a car in a racing game, controlling a character in a simulation, or managing the flight of an aircraft in a flight simulator.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
올바른 보상만으로는 충분하지 않을 때: 해석적으로 풀린 브로커-트레이더 게임에서 PPO 진단 및 유도
EyeRobot 2.0: 손목 카메라 없이 정밀한 조작을 가능하게 하는 능동적 시선 제어
비전-언어-행동 모델을 위한 월드 기반 보정 제안-행동 흐름
CHASE-VLA: 청크 인식 스케일 추정을 적용한 비전-언어-행동 모델용 사후 학습 양자화 프레임워크
PointWAM: 정밀한 로봇 조작을 위한 3D 월드 액션 모델링
최소 어텐션을 활용한 메타 강화학습
AdaptManip: 온라인 순환 상태 추정을 통한 적응형 전신 물체 들어올리기 및 운반 학습
JEPA-Bisim: 결합 임베딩 예측 월드 모델을 활용한 플래닝용 강건한 시각적 표현 학습
AEGIS: 지식 보존형 비전-언어-행동 미세조정을 위한 앵커 기반 그래디언트 격리
라그랑주 쌍대 흐름을 통한 제약 조건 하 플로우 매칭
제안 조건부 정제 플로우를 활용한 확산 정책 개선
마르코프 동역학 강제자: 학습된 동역학 다양체 상에서 실행 가능성을 보존하는 보정
UrbanVLA: 도시 마이크로모빌리티를 위한 비전-언어-행동 모델
대규모 보상 모델: 비전-언어 모델을 활용한 일반화 가능한 온라인 로봇 보상 생성
BORA: 실제 환경의 정밀 조작 VLA 모델을 위한 오프라인 강화학습과 온라인 잔여 적응의 연결
FuncBridge: 키포인트 궤적 추론을 통한 기능적 도구 사용 일반화
보지 않고도 예측하기: 월드 액션 모델을 위한 잠재 미래
TANGO: 전신 비전-언어-행동 모델을 활용한 복잡한 환경에서의 휴머노이드 내비게이션
예측 지도 신호가 전달되는 위치가 VLA 정책의 학습 내용을 결정한다
DeepJEPA: 내부로부터의 월드 모델 스케일링
제어된 월드 모델 적응을 위한 보정 위험 기반 라우팅
SlotVLA: 로봇 조작에서의 객체-관계 표현 모델링을 향하여
DynamicVLA: 동적 물체 조작을 위한 비전-언어-행동 모델
Devol-ONE: 비전-언어-행동과 잠재 월드 모델링을 통합하는 단일 자기회귀 트랜스포머 혼합 모델
DexPolicy: 궤적 유도 기반 정밀 조작을 위한 스케줄링된 탐험
CtrlWAM: 의도와 예측이 정렬된 제어 가능한 월드 액션 모델(World Action Model)
NarrativeFlow: 로봇 속도장을 활용한 흐름 기반 비전-언어-행동 모델
FutureWorlds: 대안적 미래로부터 로봇 월드 모델 학습하기
ATI-VLA: 실행 가능한 정렬 및 적응형 주입 기반의 행동 중심 예측 비전-언어-행동 모델
더 적은 토큰으로 더 나은 행동을: 14% 더 높은 성공률과 65% 더 적은 토큰을 달성한 GPT-6 Astra 로봇 에이전트
InterEvolve: 휴머노이드 로코-조작을 위한 테스트 타임 보상 프로그램 진화
LiSeCo: 언어 생성을 위한 선형 시맨틱 제어
DreamAvoid: VLA 정책에서 실패를 피하기 위한 임계 단계 테스트 시간 드리밍
VertexCBF: 꼭짓점 제한 제어 탐색을 통한 신경 제어 장벽 함수 개선
다목적 강화학습에서 사후 재레이블링에 따른 선호 커버리지 붕괴
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.