标签：多体动力学

多体/Multibody

提出GINIO框架，实现IMU测量在任意安装姿态下的SO(3)等变性约束，提升惯性里程计在滤波管道中的测量一致性。

Multibody

综述机器人学习中物理先验嵌入的方法，涵盖接触力学、刚柔体耦合、多体动力学等物理约束如何提升学习策略的样本效率与可靠性。

多体

提出 AffordanceWAM，一种 affordance-aware 生成式世界动作模型，通过融合 action-labeled 机器人视频与 egocentric 人类视频监督，实现可泛化的机器人操控。

Multibody

研究机器人在不熟悉物理条件下的诊断适应问题，定义了改善行为需满足的六个有序经验条件，并在受控和公共环境中验证了该链条的有效性。

多体/Multibody

ForceTwin通过人类交互数据学习关节物理属性（惯性、摩擦、弹簧机制），构建可预测动作的物理信息数字孪生，赋能机器人精准操作。

多体

提出LOInK方法，通过结构化神经代理模型学习构型空间到解耦任务/潜空间的Lipschitz可逆映射，将代价最小化解置于原点，实现逆运动学近似最优解的高效采样。

多体/机器人

基于 LeRobot 框架采集的机械臂操作数据集，包含 51 个 episode、29803 帧视频数据，用于机器人操作策略学习。