待验证50% 置信解决方案精确时间
乒乓球机器人的落点预测通常依赖物理模型与数据驱动模型的结合，物理模型基于空气阻力、重力和马格努斯力进行数值积分，数据驱动模型补偿难以建模的因素
1
来源数
50%
置信度
长期有效
时效性
2026/10/2
首次发现
来源
涉及实体
相关事实
待验证物理模型与数据驱动模型的结合在机器人领域被称为「混合建模」或「残差学习」，典型方式是物理模型给出基准预测、神经网络学习残差误差74% 相似待验证SHAP值通过博弈论中的沙普利值方法量化每个特征对单一预测结果的贡献度，LIME通过在预测点附近构建局部线性近似模型解释个案决策68% 相似待验证通过保持场景不变、只替换关键对象的对比实验，可以在受控条件下观察模型的物理推理能力64% 相似待验证世界模型通常需要整合视频、传感器、物理仿真等多模态数据，学习物体运动、因果关系和空间拓扑等规律64% 相似待验证世界模型指机器人对物理环境的内部预测能力，给定当前状态和一个动作能够预测下一步会发生什么63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/968501API
curl https://kongchang.com/api/v1/knowledge/claims/968501MCP
get_claim(id=968501)