TRACE框架将SONIC全身控制策略迁移至H2人形本体
热点事件持续更新
TRACE框架将SONIC全身控制策略迁移至H2人形本体
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究者Qingyu Lan提出TRACE跨人形本体迁移学习框架，将SONIC全身控制器从Unitree G1迁移至Unitree H2，用1000万动作帧、单块RTX PRO 6000 GPU训练约8小时，论文称GPU时成本不到从零训练SONIC的0.1%。 论文称，迁移后的控制器在67,953条评估动作上按高度缩放跟踪标准达到96.08%成功率；真机演示涵盖动态动作跟踪与全身遥操作，采集的数据用于下游视觉-语言-动作策略的后训练。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
TRACE：跨人形本体高效迁移全身控制策略的研究报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv cs.RO 机器人学精选TRACE：跨人形本体高效迁移全身控制策略的研究
TRACE 是一个跨人形本体高效迁移全身控制的框架，将 SONIC 从 Unitree G1 迁移到 Unitree H2，使用 1000 万动作帧、在单块 RTX PRO 6000 GPU 上训练约 8 小时，GPU 时成本不到从零训练 SONIC 的 0.1%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。