LLA-MPPI用GPU并行仿真实现腿式机器人全身自适应控制
热点事件持续更新
LLA-MPPI用GPU并行仿真实现腿式机器人全身自适应控制
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Sebin Jung 等研究者提出 LLA-MPPI 控制方法，把腿式机器人的全身自适应转化为在一组 GPU 批量接触仿真器（物理或结构参数不同）上做选择：用窗口化预测误差选出最能解释近期运动的模型，再由全身 MPPI 规划器在该模型上优化控制，无需离线训练，所选假设物理可解释。 在四个仿真任务中，该方法成功率 97.5%，最强基线为 74%，已知真实模型的 oracle 为 98.5%。在 Unitree Go2 硬件上，机器人能在中途加负载后继续行走、一条腿失效后行走，并在推动箱子过程中在线增加其质量仍把箱子推到目标。
AI 根据报道生成 · 7 小时前更新
最新进展10月8日 12:00
LLA-MPPI：基于 GPU 并行接触仿真的腿式机器人全身自适应控制报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.RO 机器人学LLA-MPPI：基于 GPU 并行接触仿真的腿式机器人全身自适应控制
论文提出 LLA-MPPI（Look-back and Look-ahead Adaptive Model Predictive Path Integral control），把全身自适应转化为在一组 GPU 批量接触仿真器（物理或结构参数不同）上的选择，用窗口化预测误差选出最能解释近期运动的模型，再由全身 MPPI 规划器在该模型上优化控制，无需离线训练且所选假设物理可解释。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 1010月8日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:0017:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。