EEmbogent
模型数据硬件产品评测公司技术融资
技术2026/11/16 18:57·重要度 68

人形机器人速度条件全身控制策略摆脱参考轨迹依赖

Driving the Style: Velocity-Conditioned Whole-Body Control from Motion Demonstrations

AI 摘要

Murad Dawood 等提出一种人形机器人全身控制方法:训练时用动捕演示构建全身跟踪奖励并监督特权评论家网络,而执行器输入仅保留紧凑速度指令与机器人自身观测。部署时无需参考轨迹,策略即可复现演示中的运动风格,并能应对训练分布外的运动指令。

阅读原文来源 arXiv cs.RO · 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17 小时前

ForceHarness让冻结多模态模型零样本使用力觉

研究团队提出ForceHarness,无需演示数据或微调,即可让仅通过API调用的冻结多模态模型完成依赖接触力的操作任务。该方法先由腕部力传感器或关节力矩标定手部受力,再用可自终止的力原语,在模型下层独立完成力的闭环调节,并通过物理翻译层把力信号转成模型可推理的表征,弥补图像无法反映接触力的缺陷。

技术22 小时前

机器人奖励模型综述:114种方法分为五类

Guoqiang Liang 等人发布机器人奖励模型(RRM)综述,将 114 种方法按输出语义分为结果、绝对进度、相对、时序价值与混合五类,梳理模型设计如何决定评估能力、原始经验如何转为监督信号。作者指出,现有评测依赖与示教顺序的一致性或下游策略增益,无法说明奖励是否真正反映任务完成度,并提出 RRM-Bench-1K。