HuMBLE框架从人体数据学出人形机器人步态
热点事件持续更新
HuMBLE框架从人体数据学出人形机器人步态
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
HuMBLE研究团队提出一种从人体运动数据合成人形机器人步态策略的学习框架，称可得到可实时操控、鲁棒且拟人的步态策略。方法先用强化学习训练全身参考条件策略，再经师生蒸馏得到仅依赖本体感知和平面躯干速度指令的轻量先验策略，随后用多任务强化学习微调，以目标条件任务扩展指令覆盖、参考引导任务作风格正则。 该框架在Boston Dynamics Atlas R1、Atlas D1和Unitree G1三款人形机器人上验证；团队称与未使用人体数据训练的Tabula Rasa强化学习策略的对比及消融实验证实其得到轻量、可部署的策略。
AI 根据报道生成 · 7 小时前更新
最新进展10月8日 12:00
HuMBLE：基于人体运动数据的人形机器人步态行为学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.RO 机器人学HuMBLE：基于人体运动数据的人形机器人步态行为学习框架
HuMBLE 提出一种学习框架，从人体运动数据合成可实时操控、鲁棒且拟人的人形机器人步态策略。方法先用强化学习训练全身参考条件策略，再经师生蒸馏得到仅依赖本体感知和平面躯干速度指令的轻量先验策略，随后用多任务强化学习微调，以目标条件任务扩展指令覆盖并用参考引导任务作为风格正则。
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。