arXiv cs.RO 机器人学· Huixuan Cheng, Bike Zhang, Shankar Sastry, Koushil Sreenath·· 2 小时前精选AI 评分57
用扩散模型对人形机器人策略的神经网络权重进行生成建模
Modeling and Understanding Neural Weights of Humanoid Policies with Diffusion
AI 导读
该研究用潜扩散框架（线性自编码器加 Diffusion Transformer）直接对人形控制网络权重分布建模，在 Unitree G1 的强化学习网络上训练后，可生成能在真实世界完成行走、跳舞和旋踢等动作的可部署网络。作者进一步分析学到的权重空间，发现第一层权重中存在一致反映机器人运动学先验的结构原则，且该先验在强化学习和模仿学习训练下均出现，提示其可能与人形本体的共性知识相关。
推荐理由
论文指出第一层权重中存在跨 RL 与 IL 训练一致的运动学先验，为理解人形控制网络权重结构提供了可迁移的分析视角。
来源：arXiv cs.RO 机器人学 · arxiv.org