EEmbogent
模型数据硬件产品评测公司技术融资
模型重要2026/11/12 10:23·重要度 75

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。

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

模型重要4 天前

EgoX:跨具身自我中心操作学习框架

Yaru Niu 等人提出跨具身自我中心学习框架 EgoX:该框架以语义对齐的观测与动作模态,统一组织人类、真机与仿真的异构演示,预训练模块化跨具身 Transformer MXT+,为每种观测模态配备独立 tokenizer,为每种动作模态配备独立专家,并共享 Transformer 主干。

模型重要3 天前

开源27B模型仅靠仿真强化学习学会操控真实机器人

研究者提出面向机器人智能体的后训练引擎PEAR与机器人使用强化学习(RURL),在纯仿真、无示教条件下训练开放权重27B推理模型,使其像电脑使用智能体一样观察环境、思维链推理并直接输出末端执行器位姿,无需额外封装,并验证仿真中习得的技能可迁移至真实机器人。