用 SMPC 演示与稀疏离线到在线强化学习让机器人学习移动操作
热点事件持续更新
用 SMPC 演示与稀疏离线到在线强化学习让机器人学习移动操作
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
研究者提出一套机器人移动操作训练框架：用基于采样的模型预测控制（SMPC）在仿真中作为自动专家生成大规模离线数据集，使 off-policy 强化学习智能体仅凭稀疏任务奖励即可训练，无需手动设计奖励和调参。 据研究者称，该框架结合低层动态稳定控制器后，学到的策略甚至超越了原最优控制教师，并已在搭载机械臂的 Spot 四足机器人和 G1 人形机器人上完成 sim-to-real 部署验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
用 SMPC 演示与稀疏离线到在线强化学习让机器人学习移动操作报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AI用 SMPC 演示与稀疏离线到在线强化学习让机器人学习移动操作
研究者用基于采样的模型预测控制（SMPC）在仿真中作为自动专家生成大规模离线数据集，从而仅凭稀疏任务奖励训练 off-policy RL 智能体，免去手动奖励设计与调参。该框架结合低层动态稳定控制器后，学到的策略甚至超越原最优控制教师，并在搭载机械臂的 Spot 四足机器人和 G1 人形机器人上完成 sim-to-real 部署验证。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月27日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
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。