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.
Touch2Robot: 인간 시연 루프 내의 로봇 촉각 피드백
Uranus: 임바디드 AI(Embodied AI)를 위한 차세대 시뮬레이션 인프라 구축
명시적 3D 재구성 없이 이미지로부터 직접 수행하는 6-자유도(6-DoF) 궤적 계획을 위한 SE(3) 신경 포텐셜 필드
하이브리드 강화학습을 이용한 평면형 과수원 시각-운동 로봇 가지치기
Ada3Drift: 원스텝 3D 시각운동 로봇 조작을 위한 적응적 학습 시점 드리프팅
R3D: 3D 정책 학습의 재검토
SmoLSTM: 지속되는 순환 메모리를 갖춘 소형 비전-언어-행동 모델
CausalWM: 체화된 월드 모델을 위한 인과적 사고의 연쇄 추론
행동을 위한 올바른 미래: 세계 행동 모델에서 행동 관련 예측 상태 학습
MaskVLA: Vision-Language-Action 모델의 궤적 과적합에 대응하는 시각적 마스킹
OnlineWM: 효과적인 월드 모델링을 위한 인과관계 인지 능동 온라인 학습
뜻밖의 로봇 정책: RoboDojo 및 그 너머에서의 GPT-6 Astra 초기 평가
StenoVLA-3D: 위장관 협착 통과를 위한 3D 인식 추론 VLA
LIBERO-VPro: Benchmarking Closed-Loop Visual Robustness of Robotic Foundation Models
스파이킹 신경망(Spiking Neural Network)은 핀볼을 할 수 있을까? 표적 추적을 위한 뉴로모픽 모션 검출기
월드 모델처럼 생각하고 VLA처럼 행동하기: 월드 모델 표현을 소형 로봇 정책으로 증류하기
GameHorizon Suite: 게임플레이에서의 다중 호라이즌 데이터 및 평가
정책 인식 시뮬레이터 학습을 위한 이론적 기반과 효과적인 알고리즘
목표-행동 정렬: 다목적 강화학습 정책 선택을 위한 진단
비전, 언어, 제어를 위한 diffusion 모델에서 intractable 추론의 상각화
컨포멀 정책 제어
VLAFlow: 공동 학습 및 미래 잠재 정렬을 통한 비전-언어-행동 모델의 통합 학습 프레임워크
Cortex: 동결된 시각 특징을 이용한 Quake용 컴팩트 행동 클로닝
Dynamic Execution Commitment of Vision-Language-Action Models
MEMENTO: 메모리 유도 멤틱 Code-as-Policy 진화
국소 구조적 가소성을 통한 적응형 아키텍처를 위한 자기 동기형 성장 신경망
비전-언어 내비게이션을 위한 이중-뇌 최소 충분 표현
MemVLN: 비전-언어 내비게이션을 위한 에피소드 및 절차적 메모리
수중 매니퓰레이터용 오일 충전 전기 관절 시스템의 주변압 보상 및 강건 위치 제어
동역학 시스템에 대한 해석 가능한 제어기로서 LLM 평가
뇌-기계 인터페이스에서 신경 디코딩 일반화를 위한 자기지도 일관성 강화 분리 학습
효율적 VLA 추론을 위한 중심점 재사용 기반 모션 인식 벡터 양자화 프레임워크
불확실성 인식 강화학습을 위한 일반화 가우시안 시간차 오차
메타 강화학습을 위한 준몬테카를로 초기화
편미분방정식의 목표 무관 공동 임베딩 예측 제어를 향하여
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.