机器人元推理自适应计算预算方法提出

2026年10月19日，arXiv Robotics 刊出 Lorenzo Magnino 等作者的论文，提出面向实时控制的机器人元推理自适应计算预算方法。研究将最优计算预算的确定建模为半马尔可夫决策过程（SMDP），单次决策同时决定机器人动作承诺与分配给求解器的时间，并训练强化学习策略，依据当前状态、执行中的计划和低成本规划器统计量动态调整预算。作者在地面机器人导航、敏捷四旋翼飞行和接触丰富操作三类任务中测试，策略随场景需求改变预算，并报告发现优于固定预算基线的推理模式。目前该工作处于论文发布阶段，报道未提及代码、数据集是否公开，也未给出与其他自适应方法的对比结果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。