Humanoid Horizon 提出长时程全身操作策略框架
热点事件观察中
Humanoid Horizon 提出长时程全身操作策略框架
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Haozhuo Zhang 等研究者提出统一策略框架 Humanoid Horizon，用并行训练、动态起始与奖励门控三项机制，缓解人形机器人长时程全身 loco-manipulation 中的 easy-reward bias 与 catastrophic forgetting 问题。 在 LHM-Humanoid 两物体基准（350 个训练场景、66 个留出场景）上，该框架各阶段成功率超过 80%；当顺序搬运物体超过两个，成功率随时域下降，但相比所有基线的骤降，退化较为平缓。
AI 根据报道生成 · 1 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.RO 机器人学Humanoid Horizon：通过并行训练、动态起始与奖励门控延长人形机器人全身 loco-manipulation 的任务时域
Humanoid Horizon 提出统一策略框架，用 Parallel Training、Dynamic Starting 与 Reward Gating 三项机制解决长时域全身 loco-manipulation 中的 easy-reward bias 与 catastrophic forgetting 问题。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 910月7日 15:00
- 近 24 小时变化
- -50%
02.557.510
18:0010月8日06:0012:0018:00
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。