分层强化学习实现四足机器人节能步态
热点事件持续更新
分层强化学习实现四足机器人节能步态
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
Ammar Issa、Anubhav Singh、Anton Tsaritsin、Sergey Kolyubin 提出分层强化学习（HRL）四足运动控制框架，将高频关节级运动执行与低频步态适应分离，后者显式最小化运输成本（CoT），以降低四足机器人能耗并实现零样本 sim-to-real 部署。 该方法在 Isaac 中经三阶段训练，并在实体 Unitree AlienGo 四足机器人上完成零样本部署验证。论文已投稿至 IEEE ICRA 2027。
AI 根据报道生成 · 7 小时前更新
最新进展10月8日 12:00
分层强化学习实现四足机器人跨地形节能步态适应报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.RO 机器人学分层强化学习实现四足机器人跨地形节能步态适应
论文提出分层强化学习框架，将高频关节级运动执行与低频步态适应分离，后者显式最小化运输成本 CoT，并通过三阶段 Isaac 训练实现零样本 sim-to-real 迁移。
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。