我的 AI 学习地图研究记录 · 2026.11

先把问题定位清楚,再决定下一步改什么。

进行中的研究结果记录至

保留正向、反向和没有结论的结果,让后续阅读与实验围绕真正缺少的证据展开。

先对齐基线的训练和评价口径

左右滑动查看完整表格

记录训练与权重结果/当前范围
ManiFeel 论文与官方配置官方配置 1000 轮;论文统计 3 种子、末 10 轮 × 50 初态USB Vision + TacFF:56% ± 1 个百分点
我的历史开源路径复现1 个训练种子、50 轮;固定第 50 轮 EMA;GAP 路径268 / 512 = 52.34%
11 月 14 日确认的阶段复现沿官方开源 GAP 路径,3 个种子先训 200 轮,先冒烟按末 10 轮 × 50 初态评估;本页尚无新结果

论文附录写 Spatial Softmax,核准的公开 DP 编码路径保留 GAP。下一步按公开代码复现并记录差异,不自行改网络后称为原论文实现。200 轮属于阶段性结果,与完整 1000 轮训练规模分别报告。

汇报 5.6 节及「做实验的」2026-11-14 确认安排。新实验的实时状态与结果,以后续完成记录更新。

现在最值得回答的三个问题

迁移 · 内容是否对应

预测的是当前接触,还是任务背景?

比较同一策略、同一观测下正常与错配触觉的动作及任务差异。没有目标触觉真值时,不能只凭生成图或场的变化确认物理正确。

融合 · 信息怎样传递

方向可读之后,位置与强弱呢?

继续区分局部编码、汇聚和动作读取的作用;四个 query 的语义分工、位置和力度独立读出仍需证据。

验证 · 增益能否复现

公平训练后,还能保留任务收益吗?

共同编码器、训练预算、选模与测试协议下比较;先完成有限检查,再按证据决定是否扩展。

我接下来关注的研究进展

优先阅读能够回应这些问题的工作:视觉到触觉预测、无目标触觉监督的迁移、触觉空间表征、有符号剪切方向、接触感知注意力,以及触觉与 ACT、Diffusion Policy 或 VLA 的结合。

左右滑动查看完整表格

看到一种新方法时我要先弄清楚
触觉预测/蒸馏目标任务是否需要触觉标签?部署是否依赖传感器?
触觉融合/空间编码保留了哪些信息?探针、干预和任务收益是否分别验证?
触觉 VLA/操作策略能接到我的 ACT/DP 接口吗?数据、动作与硬件条件差在哪?
新基准/数据/仿真信号如何产生、是否标定、怎样划分和评价?能解决哪个验证缺口?

如何阅读这里的证据

已完成数据截至 2026-11-13;下一步安排补充于 2026-11-14。页面中的 E75、E76 与新 B/C 编号对应各自研究记录,方便持续追加;来源是汇报、保存的实验报告和公开论文,不是重新运行得到的数据。

参考来源

相关知识

讨论与留言

04 · 论文与研究

这里的留言公开可见。欢迎分享你的理解,也可以指出值得修正的地方。

正在分配你的访客编号…

同一浏览器在本站共用一个编号;清除网站数据后会重新分配。

0 / 1000

这项研究的留言

正在读取留言…