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.
한 손이 다른 손을 주시한다: 동적 환경에서 샘플 효율적 양손 조작을 위한 동적 다중 에이전트 협력
제어 월드 모델의 식별 가능성에 관하여
소형 모델 연속 제어에서 GRPO 수렴의 전제조건으로서의 이산 행동 공간
학습된 명령 어댑터는 언제 가치가 있는가? 동결된 이동 정책의 폐루프 식별 및 반사실 감사
투사된 시각적 추상화를 통한 로봇의 의사소통 학습
SAFE-Pruner: 효율적인 비전-언어-행동 조작을 위한 의미론적 어텐션 기반 미래 인식 토큰 가지치기
무선 TokenCom: 다중 사용자 무선 토큰 통신을 위한 강화학습 기반 토크나이저 합의
PhysCoRe: 재료 인식 변형 동역학을 위한 물리 보정 잔차 세계 모델
제어 장벽 함수 층을 이용한 고차원 안전 최적 피드백 제어의 엔드투엔드 학습
장애물 회피를 위한 자기지도 생물 모방 로봇 궤적 계획
전문가 혼합(MoE) VLA의 창발적 조합 능력
계층적 액션 청킹을 이용한 오프라인 강화학습
TOUR: 오프라인 강화학습을 위한 궤적 수준 언러닝 벤치마크
Robostral Navigate
전문가 행동 사전 강화학습
연속 제어에서 오류 증폭이 ANN-SNN 변환을 제한
Learning to Navigate Efficiently with Only 0.58M Trainable Parameters
EgoRecovery: 인간 복구 시연을 통한 실패 복구 능력 습득
전략적 확장: 바이어스 인식 평가 및 데이터 수집을 통한 로봇 조작의 조합적 일반화 학습
Posterior Sampling Reinforcement Learning with Gaussian Processes for Continuous Control: Sublinear Regret Bounds for Unbounded State Spaces
PGTT: 지각 기반 다리 로봇 보행을 위한 위상 기반 지형 통과
Xiaomi-Robotics-1: 10만 시간 이상의 실세계 궤적으로 비전-언어-액션 모델 스케일링
NavVerse: 연속 로봇 시뮬레이션에서 실내-실외 체화 내비게이션 벤치마킹
KineBench: IDM 없는 운동학적 그라운딩을 통한 체화 세계 모델 벤치마킹
빠른 Diffusion Policy 추론을 위한 진화형 캐시 스케줄
RhinoVLA 기술 보고서
ABot-N1: 범용 시각-언어 내비게이션 파운데이션 모델을 향하여
Jetson-PI: 선견 정렬 비동기 추론을 통한 온보드 실시간 로봇 제어
NeuralChaos: 제곱 적분 가능 예측 가능 과정의 최적 적응 근사
유사도 기반 보상 정렬: 견고하고 다용도인 선호도 기반 강화학습
하이브리드 동력계 제어 적용을 위한 심층 부호 정 동역학의 모델링 및 제어
RENEW: 선호로부터 월드 모델 학습 및 모델 착취 복구를 향하여
스트리밍 비디오 게임에서 강건하고 효율적인 모방 학습을 위한 증강
DiMaS: 비전-언어-행동 모델 조향을 위한 분포 매칭
ConFlow: 동작 생성을 위한 제약 조건 유도 Flow Matching 학습
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.