शोधकर्ता PhysMani का प्रस्ताव करते हैं, एक फ्रेमवर्क जो अरचनात्मक 3D वातावरण में तेजी से चलने वाले लक्ष्यों के प्रबंधन की चुनौतियों को संबोधित करने के लिए भौतिक-सिद्धांत आधारित 3D गॉसियन विश्व मॉडल को भविष्य-जागरूक एक्शन पॉलिसी मॉडल के साथ जोड़ता है।
- विश्व मॉडल भौतिक रूप से आधारित भविष्य की गतिशीलता पूर्वानुमान के लिए ऑनलाइन अनुकूलन के माध्यम से एक अपसरण-मुक्त गॉसियन वेग क्षेत्र सीखता है।
- पॉलिसी मॉडल सीखने योग्य टोकन-आधारित क्रॉस-ध्यान मॉड्यूल के माध्यम से पूर्वानुमित 3D दृश्य की भविष्य की गतिशीलता को एकीकृत करता है।
- लेखकों ने PhysMani-Bench पेश किया, एक गतिशील प्रबंधन मानदंड जिसमें 16 कार्य शामिल हैं।
- PhysMani सिमुलेशन और वास्तविक दुनिया के रोबोट परीक्षणों दोनों में मजबूत बेसलाइन की तुलना में श्रेष्ठ सफलता दर दिखाता है।
यह दृष्टिकोण एम्बेडेड AI प्रणालियों के लिए सटीक 3D ज्यामिति और भौतिक रूप से अर्थपूर्ण पूर्वानुमान प्रदान करता है।