Humanoid whole-body control专业
CrossBFM:在不同人形机器人本体之间蒸馏共享的潜在行为空间
能用一个提示让人形机器人模仿舞蹈、摆出姿态或追逐奖励的全身控制模型,每台机器人通常要花100多个GPU小时训练。VinRobotics、新加坡国立大学和德国达姆施塔特工业大学的这篇预印本,把为宇树G1训练的模型迁移到加速进化(Booster)T1、傅利叶N1和团队自研的M3上,只需不到1小时的共享编码器训练加每台不到10个GPU小时,跟踪精度与专用控制器相差无几。
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。
能用一个提示让人形机器人模仿舞蹈、摆出姿态或追逐奖励的全身控制模型,每台机器人通常要花100多个GPU小时训练。VinRobotics、新加坡国立大学和德国达姆施塔特工业大学的这篇预印本,把为宇树G1训练的模型迁移到加速进化(Booster)T1、傅利叶N1和团队自研的M3上,只需不到1小时的共享编码器训练加每台不到10个GPU小时,跟踪精度与专用控制器相差无几。
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。