人在回路主动学习优化分数阶粘弹性模型参数用于触觉渲染
热点事件持续更新
人在回路主动学习优化分数阶粘弹性模型参数用于触觉渲染
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Tolasa、Gemalmaz 和 Patoglu 提出一种用主动学习结合人机协同(HiL)定性反馈来优化分数阶粘弹性模型参数的方法,目标是提升医疗模拟器触觉渲染对一般人群的感知真实感。方法将个体优化结果聚合成群体感知图谱,从中选出面向一般人群的群体级最优参数。 作者通过三种粘弹性材料上的人体实验验证了该广义参数的有效性,称有望显著改善医疗训练模拟器的 sim-to-real 迁移性能。以上为作者声称,基于论文摘要,效果未独立验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
主动学习优化分数阶粘弹性模型参数以实现逼真触觉渲染报道时间线
沿着报道,了解事件的不同侧面。
10月16日
- arXiv · cs.AI主动学习优化分数阶粘弹性模型参数以实现逼真触觉渲染
研究者提出一种系统性方法,通过主动学习结合人机协同(HiL)的定性反馈优化分数阶粘弹性模型参数,提升医疗模拟器触觉渲染的感知真实感。该方法将个体优化结果聚合成群体感知图谱,从中选取面向一般人群的群体级最优参数。在三种粘弹性材料上的人体实验支持了该广义模型参数的有效性,有望显著改善医疗训练模拟器的 sim-to-real 迁移性能。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。