EEmbogent
模型数据硬件产品评测公司技术融资
技术重要2026/11/15 04:57·重要度 73

概率安全强化学习框架扩展并部署于人形与飞行机器人

Towards Probabilistically Safe Reinforcement Learning: Theory and Deployment on Humanoid and Aerial Robots

AI 摘要

Pol Mestres 与 Joel W. Burdick 等人扩展 RSGF-RL 安全强化学习框架,使其支持轨迹级一般安全约束,以及按指定概率满足碰撞避免等机会约束,并放宽对无偏估计的要求,可直接结合 PPO 等主流算法。作者在人形机器人和空中机器人上完成部署验证,提升了安全约束下策略学习的实用性。

阅读原文来源 arXiv VLA/Humanoid · arxiv.org

标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。

同板块相关

技术重要3 天前

CAST:为冻结扩散策略提供认证式运行时动作选择

意大利团队(Moroncelli、Roveda)提出 CAST:从冻结扩散策略采样多个动作块,用屏障条件逐个认证,再由价值集成模型在通过认证的候选中择优执行。作者证明认证步骤不受评价网络误差影响仍安全,执行动作与可行条件下策略的偏差不超过 log N 纳特,而传统安全滤波投影可能奇异失效。

技术重要3 天前

TMA框架实现人形机器人零样本sim-to-real强接触操作

Rice大学与UT Austin等团队提出触觉驱动运动自适应框架TMA,配合全身系统实现人形机器人零样本sim-to-real强接触操作。方法以触觉可观测的交互组织策略学习,用锥形几何作多指接触表示归纳偏置,并在线调整电机行为。团队以拧圆形门把手为基准,检验摩擦抓握、无滑动扭矩输出与全身稳定。

技术重要3 天前

自博弈人形交接策略遇陌生伙伴失效,隐藏启动延迟随机化可修复

研究团队在 Unitree G1 人形机器人上训练 PPO 自博弈包裹交接策略,发现接收方与自训练伙伴成功率可达 95%/90%,面对陌生脚本伙伴却骤降至 31%;仅把伙伴动作延后 1 秒,成功率更跌至 6%。作者据此提出隐藏启动延迟随机化(HSD),用一行训练规则让策略重新适应陌生伙伴的节奏。

概率安全强化学习框架扩展并部署于人形与飞行机器人 · Embogent