RACER：轮式四足竞速的残差自适应闭环估计规划框架
热点事件观察中
RACER：轮式四足竞速的残差自适应闭环估计规划框架
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Yuxiang Liu 等研究者提出分层控制框架 RACER，将 MPPI 规划器、学习式残差动力学模型与底层 RL 速度跟踪器结合，用神经残差项刻画 RL 策略的闭环跟踪行为，并配套提出低秩残差适配方法 LoRRA。 针对真实数据有限的问题，LoRRA 采用两阶段训练：先在大规模仿真数据上预训练以获得广泛覆盖，再用低秩约束在小规模真实数据集上微调。作者称其在仿真中验证了所选工程方案。
AI 根据报道生成 · 1 天前更新
最新进展10月7日 12:00
RACER：面向轮式四足竞速的残差自适应闭环估计与采样规划框架报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.RO 机器人学RACER：面向轮式四足竞速的残差自适应闭环估计与采样规划框架
RACER 提出面向轮式四足竞速的分层控制框架，将 MPPI 规划器、学习式残差动力学模型与底层 RL 速度跟踪器结合，用神经残差项刻画 RL 策略的闭环跟踪行为。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 910月7日 14:00
- 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。