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.
위험 민감성과 크리틱 일관성 정규화를 적용한 강건한 적대적 강화학습
극한 커널 Q($\lambda$): 단기 및 장기 시계의 간극 잇기
월드 모델을 활용한 일반화 가능한 로봇 삽입
LEAP-CBF: 최소 노력 적대적 포텐셜(Least-Effort Adversarial Potentials)을 이용한 불확실 시스템용 안전 필터
ForgetMimic: 강화학습 휴머노이드 제어를 위한 모션 언러닝
외골격 개인화를 위한 문맥 연속적 선호도 학습
EA-WM: 구조화된 운동학-시각 액션 필드를 갖춘 이벤트 인지 생성 월드 모델
효율적인 VLA를 만드는 요소는 무엇인가? 액션 헤드 설계, 스케일링, 지연시간
BEE: 비전-언어-액션 모델을 위한 개입 적응형 실세계 강화학습
Behaviora - 로봇 및 에이전트의 외부·내부 행동을 위한 개념적 아키텍처
InternW0: 효율적인 실세계 상호작용을 위한 기반 물리 세계 모델
접기를 배우다: LeHome Challenge 2026 수상 솔루션 (온라인 1위, 오프라인 2위)
KL 발산을 통한 궤적 정규화 확률적 최적 제어
HybridFlow: 실시간 로봇 조작을 위한 2-NFE 생성 정책
인지에서 제어로: 인간-휴머노이드 협력 운반을 위한 다중 에이전트 학습
SAIL: VLM을 활용한 문맥 내 모방 학습의 테스트 시간 스케일링
계단형 지형에서 하이브리드 로봇을 위한 에너지 효율적 공중-지상 구동 학습
RankQ: 자기지도 행동 순위화를 통한 오프라인-투-온라인 강화학습
시각적 프리미티브를 활용한 행동
우주 매니퓰레이터를 이용한 회전 객체에 대한 실행 가능하고 최적인 터미널 접근을 위한 트랜스포머 기반 웜 스타트
ENPIRE: 실세계에서의 에이전트 기반 로봇 정책 자기 개선
AdaReP: 신경 세계 모델 예측 제어에서 모델 불일치 하의 적응형 재계획
HALO-WA: 월드-액션 모델을 위한 하이브리드-어텐션 잠재 유도 온라인 강화학습
로봇처럼 보기: VLA 모델을 위한 로봇 중심 포인트맵
AffordanceWAM: 로봇 조작을 위한 어포던스 인식 세계-행동 공동 모델링
FRAMES: 휴머노이드 로코-매니퓰레이션을 위한 체화된 스킬의 실패 복구 및 모니터링
HIGenNTO: 노이즈 공간 궤적 최적화를 통한 확장 가능한 휴머노이드 상호작용 생성
인간 유사 에이전트를 위한 생성형 체화 다중 행동 통제 시스템
RiverVLN: 무인 수상정을 위한 위상 기반 시간적 비전-언어 항법
토목 인프라 및 건축물의 협소한 개구부 통과 자율 무인 항공기 내비게이션을 위한 스파이킹 신경망 액터-크리틱 근접 정책 최적화 제어
프로그래밍 정책 탐색을 통한 연속 게임용 반응형 캐릭터 행동 합성
ActiveArena: 로봇 조작에서 능동 지각의 벤치마킹 및 이해
vla.simd: 언어 조건부 조작을 위한 효율적인 CPU 추론
Tactile-JEPA: 분산 촉각 센서를 위한 위상 인식 자기지도 표현 학습
FoldQuantVLA: 일관된 폴딩을 통한 비전-언어-행동 모델의 네이티브 저비트 양자화
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.