terrain-aware behavioral foundation model for humanoid whole-body control专业
P-BFM:基于无监督强化学习的感知型人形机器人行为基础模型
RoboParty实验室与上海理工大学、清华大学团队训练出一个冻结参数的人形机器人控制器,在楼梯、斜坡和箱体上无需地形专属示范即可行走、跟踪动作并抗扰恢复。这篇预印本显示,其在未见动作上的扰动恢复率为61.4%,最佳基线为16.6%,并借助机载深度相机零样本迁移到宇树G1实机。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
RoboParty实验室与上海理工大学、清华大学团队训练出一个冻结参数的人形机器人控制器,在楼梯、斜坡和箱体上无需地形专属示范即可行走、跟踪动作并抗扰恢复。这篇预印本显示,其在未见动作上的扰动恢复率为61.4%,最佳基线为16.6%,并借助机载深度相机零样本迁移到宇树G1实机。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。