arXiv cs.RO 机器人学· Xue Wang, Yitang Li, Yiming Zhang, Siqin Wang, Junhan Sun, Zhihao Liu, Yaojie Shen, Jingbo Yuan, Hao Zhao, Qingdu Li·· 5 小时前精选AI 评分58
P-BFM：通过无监督强化学习实现人形机器人可感知行为基础模型
P-BFM: Perceptive Behavioral Foundation Models for Humanoid Control via Unsupervised Reinforcement Learning
AI 导读
P-BFM 将人形机器人控制分解为地形无关的意图与地形条件化的实现：前向-后向表征把动作参考、目标状态和奖励函数映射到不含地形信息的共享意图空间，感知策略则学习在当前地形几何下实现该意图。
推荐理由
论文把人形控制拆成地形无关意图与地形条件化实现，为理解跨地形行为复用提供了清晰的技术路径。
来源：arXiv cs.RO 机器人学 · arxiv.org