在本文中，我们介绍了一种基于 $SE(3)$ 扩散模型的点云配准框架，用于现实场景中的 6D 物体位姿估计。我们的方法将三维配准任务表述为一个去噪扩散过程，该过程逐步优化源点云的位姿，以实现与模型点云的精确对齐。在训练我们的框架时，涉及两个过程：$SE(3)$ 扩散过程和 $SE(3)$ 逆过程。$SE(3)$ 扩散过程通过持续注入噪声（扰动变换），逐步扰动一对点云的最优刚性变换。相比之下，$SE

基于“蘑菇书”的强化学习知识点（四）：贝尔曼方程

第四章的代码：PolicyGradient.ipynb及其涉及的其他代码的更新以及注解（gym版本 ＞= 0.26）

什么是时序差分方法

在强化学习中，**基于策略的方法**和**基于价值的方法**是两类核心的算法设计思路。它们的核心差异在于**优化目标**和**动作选择方式**。以下是详细对比及具体示例：

在强化学习中，奖励函数（Reward Function）和价值函数（Value Function）是两个核心但作用截然不同的概念。以下是它们的详细区别及具体示例：

强化学习中的Q-learning算法

策略迭代和价值迭代来解决马尔可夫决策过程的控制问题。

在使用 PyTorch 构建神经网络时，经常会遇到不同维度张量需要对齐的问题，`expand()` 和 `repeat()` 就是两种非常常用的方式来处理张量的形状变化。本博客将详细解释两者的区别、作用、使用规则以及典型的报错原因，配合实际例子，帮助你深入理解广播机制。

在 Python 文件与目录的批量处理场景中，我们常常需要递归地遍历一个目录下的所有子目录和文件，然后做诸如搜索、统计、重命名、删除等操作。`os.walk` 正是标准库中一个非常实用的工具函数，它能够帮你优雅地完成这些任务。本篇文章将从接口、参数、返回值、典型用法到进阶用法，深入剖析 `os.walk` 的方方面面，并给出大量代码示例，帮助你快速掌握它的使用。