TTCO：人形行为基础模型测试时命令优化

2026年10月15日，arXiv Robotics 报道，Weiji Xie 等作者针对人形行为基础模型（BFM）执行动作偏离目标指令的系统性误差，提出测试时命令优化（TTCO）方法：通过闭环仿真采样优化输入指令，使执行轨迹更接近期望动作。据该报道，在 AMASS 数据集上的三个 BFM 中，TTCO 在仿真中将平均全局身体位置误差降低 79-84%；此外，TTCO 可从记录的机器人轨迹生成针对特定 BFM 的动作标签，无需原始遥操作身体运动指令。上述结果与适用条件均限于该报道所述仿真实验与数据集范围。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。