COOL：好奇心驱动的物体归属学习框架
Get the story
2026年10月8日，arXiv Robotics 发布一手论文，介绍新型机器人框架 COOL（好奇心驱动的物体归属学习，用于个性化机器人辅助）。该框架能从日常观察中自主学习物体归属关系，并维护环境的长期空间记忆；采用基于智能体的好奇心驱动数据采集策略，引导机器人前往信息量最大的位置刷新过时观察。离线实验、消融研究与真实世界评估表明，COOL 可推断归属关系，并用于按归属条件导航与任务执行。该论文已被 CoRL 2026 接收。目前尚无其他独立报道或后续进展信息。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · RoboticsCOOL：好奇心驱动的物体归属学习，用于个性化机器人辅助
COOL 是一个新型机器人框架，能从日常观察中自主学习物体归属关系，并维护环境的长期空间记忆。它采用基于智能体的好奇心驱动数据采集策略，引导机器人前往信息量最大的位置刷新过时观察。离线实验、消融研究与真实世界评估表明，COOL 可推断归属关系并用于按归属条件导航与任务执行，论文已被 CoRL 2026 接收。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.