跳到正文
热点事件持续更新

TOER:时间最优遍历式取回方法提出

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

2026年10月16日,arXiv Robotics 报道了一项研究,提出时间最优遍历搜索的新形式,将检测建模为泊松过程,并把返回阶段纳入目标,形成时间最优遍历式取回(TOER)。该研究由 Christian Sulana 等作者完成,针对机器人检索任务的时间最优遍历搜索问题。实验显示,TOER 相比遍历基线任务时长最多缩短 19%,且返回阶段代价越高优势越明显。仿真与硬件实现验证了 TOER 兼容非凸几何环境以及 2D 和 3D 搜索域。上述为目前该事件的唯一报道,尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月16日
  1. arXiv Robotics
    时间最优遍历式取回:TOER 将返回阶段纳入目标,任务时长最多缩短 19%

    研究提出时间最优遍历搜索的新形式,将检测建模为泊松过程并把返回阶段纳入目标,形成时间最优遍历式取回(TOER)。实验显示 TOER 相比遍历基线任务时长最多缩短 19%,且返回阶段代价越高优势越明显。仿真与硬件实现验证了 TOER 兼容非凸几何环境以及 2D 和 3D 搜索域。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。