提示词描述
M = 2 协同教学框架用于噪声时间序列预测
该框架采用顺序的、从左到右的流程，包含两个并行的模型分支，包括四个阶段：输入、并行预测、样本选择和交叉更新。
输入模块
输入由滑动窗口时间序列片段组成，窗口长度为L，预测范围为H。噪声仅引入到预测目标中，而输入序列保持无噪声。相同的输入窗口同时馈送到两个并行模型中。
并行模型分支
实例化两个模型，fθ1和fθ2，它们具有相同的架构但独立的参数。每个模型并行处理相同的输入窗口并生成自己的预测。
预测和窗口级损失
每个模型输出一个预测，表示为Ŷ(1)或Ŷ(2)。通过聚合预测，为每个输入窗口计算窗口级损失。
![你是一名为顶级学术会议（CVPR/ICRA）服务的专业科学绘图师。请创作一张清晰、高分辨率的“数据处理流程图”，以说明具身智能系统的“情景记忆写入过程”。
布局和流程：采用从左到右的线性水平布局，包含五个关键阶段，并用箭头连接。
1. 阶段 1：原始数据获取
图标：一个终端窗口或日志文件的图标，带有代码或文本行。
标签：Habitat-Lab 原始日志。
描述：表示从模拟器输出的原始交互数据。
2. 阶段 2：数据清洗
图标：一个漏斗或齿轮图标。
标签：数据清洗与解析。
细节：表示移除无效数据和格式化。
3. 阶段 3：结构化封装
图标：一张整洁的文档纸，上面隐约可见“(Obs, Action, Outcome)”字样。
标签：提示结构化。
细节：表示将清洗后的数据封装成经验三元组。
4. 阶段 4：向量编码
图标：一个文本被转换成数值矩阵的示意图（例如，一份文档通过一个神经网络节点，变成一个数字网格[0.1, 0.8...]）。
标签：嵌入编码。
细节：表示将自然语言转换成高维向量。
5. 阶段 5：数据库存储
图标：一个带有向量网格图案的圆柱形数据库图标。
标签：ChromaDB 向量存储。
细节：流程的终点。
视觉风格：
风格：现代学术扁平 2D 矢量艺术风格。
配色方案：保持一致性，使用“学术蓝”作为主色，使用“科技灰”作为辅助色。箭头颜色应深且清晰。
字体：使用清晰的无衬线字体（Arial/Helvetica 风格），黑色或深灰色。
背景：纯白色背景。](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2FUfvBGKD0YGX5OcBXzY3IQSo5YA3phloh%2Fdd103003-88b7-4b05-ba5c-3de35b8b102d%2F236b67f0-c53d-417c-af61-1da5617bb090.png&w=3840&q=75)
![你是一名为顶级学术会议（CVPR/ICRA）服务的专业科学插画师。请创作一张清晰、高分辨率的“数据处理流程图”，以说明具身智能系统的“情景记忆写入过程”。
布局和流程：采用从左到右的线性水平布局，包括五个关键阶段，并用箭头连接。
1. 第一阶段：原始数据获取
图标：一个终端窗口或日志文件的图标，带有代码或文本行。
标签：Habitat-Lab 原始日志。
描述：表示从模拟器输出的原始交互数据。
2. 第二阶段：数据清洗
图标：一个漏斗或齿轮图标。
标签：数据清洗与解析。
细节：表示移除无效数据和格式化。
3. 第三阶段：结构化封装
图标：一份整洁的文档，上面隐约可见“(Obs, Action, Outcome)”字样。
标签：提示结构化。
细节：表示将清洗后的数据封装成经验三元组。
4. 第四阶段：向量编码
图标：一个图表，说明将文本转换为数值矩阵的过程（例如，一份文档通过一个神经网络节点，变成一个数字网格[0.1, 0.8...]）。
标签：嵌入编码。
细节：表示将自然语言转换为高维向量。
5. 第五阶段：存储
图标：一个带有向量网格图案的圆柱形数据库图标。
标签：ChromaDB 向量存储。
细节：流程的终点。
视觉风格：
风格：现代学术扁平2D矢量风格（扁平矢量艺术）。
配色方案：保持一致性，使用“学术蓝”作为主色，使用“科技灰”作为辅色。箭头颜色应深且清晰。
字体：使用清晰的无衬线字体（Arial/Helvetica 风格），黑色或深灰色。
背景：纯白色背景。](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2FUfvBGKD0YGX5OcBXzY3IQSo5YA3phloh%2Fe459777b-47d2-496c-bed1-8bc917030392%2Fe3e97e66-ed0d-41cd-9ce2-25a3615dcd86.png&w=3840&q=75)