ETH 提出 NaP-Control,高效实现物理角色运动控制
苏黎世联邦理工学院提出 NaP-Control,一个结合强化学习与任务无关扩散运动先验的潜在噪声优化框架,论文已被 ECCV 2026 接收。该方法通过学习导航扩散先验的输入噪声空间直接预测噪声,避免了测试时的引导步骤,降低了推理成本并提升控制性能。此外,它还能适应仅在平坦地形数据上训练、却在不平坦地形下运行的高效物理角色控制场景。
2026-08-23 ~ 2026-08-23 · 2 条相关
- ETH Zurich 提出 NaP-Control,结合 RL 与扩散先验实现角色快速控制 — rsasaki0109 · 2026-08-23
- NaP-Control 入选 ECCV 2026,支持不平坦地形下的高效物理角色控制 — rsasaki0109 · 2026-08-23