P-BFM:人形机器人感知行为基础模型
热点事件持续更新
P-BFM:人形机器人感知行为基础模型
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
Xue Wang 等研究者提出 P-BFM,把人形机器人控制分解为地形无关的意图与地形条件化的实现:前向-后向表征将动作参考、目标状态和奖励函数映射到不含地形信息的共享意图空间,感知策略则在当前地形几何下学习实现该意图。 该方法可零样本迁移到搭载机载深度感知的 Unitree G1;作者称单一冻结策略还支持运动跟踪、目标到达、奖励推断、遥操作与地形感知恢复。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
P-BFM:通过无监督强化学习实现人形机器人可感知行为基础模型报道时间线
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P-BFM:通过无监督强化学习实现人形机器人可感知行为基础模型
P-BFM 将人形机器人控制分解为地形无关的意图与地形条件化的实现:前向-后向表征把动作参考、目标状态和奖励函数映射到不含地形信息的共享意图空间,感知策略则学习在当前地形几何下实现该意图。
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。