待验证50% 置信事实精确时间
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
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
待验证机器人基础模型脱胎于大语言模型与视觉-语言模型的技术范式，通过在海量多模态数据上进行预训练，使单一模型具备跨任务、跨场景的泛化能力76% 相似待验证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74% 相似待验证机器学习模型可以学习系统的正常行为基线，动态识别偏离常态的信号，从而在故障爆发前发出预警72% 相似待验证决策模型的输出往往是有限动作集合中的一个标签或概率分布，类似于强化学习中的策略网络，而生成模型需要在巨大词汇表上进行自回归采样72% 相似待验证将人类认知框架套用到机器学习模型上本质上是一种拟人化，在技术判断上可能带来误导71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/968502API
curl https://kongchang.com/api/v1/knowledge/claims/968502MCP
get_claim(id=968502)