PERA:冻结预训练策略的插件式专家实现人形全身持续控制
PERA: Plug-in Experts for Robotic Actions in Continual Whole-Body Control
AI 摘要
Shangchao Hu 等研究者提出 PERA 方法,冻结预训练的混合专家策略,仅新增任务专家及其路由分数,用任务奖励或教师动作监督训练,从而在保留原有技能的前提下学习新全身动作。在 Unitree G1 仿真中,每个新增任务模块仅占基础策略约 1.03% 参数,成功完成全部 10 项新任务。
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。