DAMP:无感知信息下的人形机器人运动框架
热点事件持续更新
DAMP:无感知信息下的人形机器人运动框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Puying Shen 等研究者提出强化学习框架 DAMP,在假设无感知信息可用的条件下实现人形机器人在复杂地形上的稳健运动,并已在真实机器人上完成演示验证。该框架通过循环神经网络捕捉时序依赖,隐式推断特权信息与任务相关隐变量,实现仿真到真实环境的迁移学习。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
DAMP:基于去噪信念学习与对抗运动先验的人形机器人运动控制报道时间线
沿着报道,了解事件的不同侧面。
10月9日
- arXiv cs.RO 机器人学DAMP:基于去噪信念学习与对抗运动先验的人形机器人运动控制
DAMP 是一个在无感知信息假设下实现人形机器人复杂地形稳健运动的强化学习框架,通过循环神经网络捕捉时序依赖并隐式推断特权信息与任务相关隐变量。该端到端框架实现了仿真到真实环境的迁移学习,并在真实机器人上完成了演示验证。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月9日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
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。