code-HFD / paper_context_v4 /10_potential_contributions.md
Tinghong-Ye22's picture
Add files using upload-large-folder tool
5d9f970 verified
|
Raw History Blame Contribute Delete
1.45 kB

可以发展的论文贡献

已实现、可清楚解释的设计

  1. 交互行为×感知问答两条正交数据轴。 不把视觉问答作为单独行为任务;轻量索引在getitem组合,保持原动作监督。

  2. 共享理解、分支生成、受控交换。 前28层共享冻结,后8层身体/回答专门化,当前包稀疏cross传信息,donor detach控制梯度。

  3. 语言词表中的具身交互状态。 同一状态行同时负责读出、动作条件和跨包历史;语义anchor与动作条件detach避免它退化为任意动作代码。

  4. 多时间尺度流式运动。 低频语义更新、密集动作起点训练、RTC保持未执行尾段、动态source槽复用。

  5. 几何/时序一致的数据监督。 多轮/打断/停止、listen保持、独立高度、朝向对齐、跨历史差分和原motion时长标签。

  6. 动作几何与数值一致性。 Root40固定chunk航向、绝对rot6D及RTC换系,结合FP32动作输入;工程实现明确,收益尚需公平长训对比。

必须补证据再写的部分

不能仅靠源码声称“首次”“SOTA”“无负迁移”“完全实时”“长期记忆解决”。建议固定同数据、有效窗口预算和推理case,对共享/cross/状态历史分别消融;报告动作质量、事件控制、自由回答和资源成本。 DLC回传、队列和看板是复现/系统工程,不替代核心科学贡献。