Action Jets：动作条件数据流形局部形状学习

2026年10月15日，arXiv Computer Vision 刊出 Anton Arapin 等作者的预印本，提出 Action Jets 方法。该网络通过估计动作条件数据流形的局部形状来加速规划，只需对每个状态推理一次，即可评估任意数量的候选动作。作者称其估计的是描述流形形状的泰勒多项式，并以闭式解计算其有效半径。在 BridgeData V2 真实 7-DoF 操作基准上，单次提取为 16 个候选动作打分，比 IRASim 和 WorldGym 快 300 倍以上，且候选动作越多，速度差距越大。目前该工作处于预印本阶段，尚未见后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。