用于配备超限肢体人形机器人步态的层次化框架 / A Hierarchical Framework for Humanoid Locomotion with Supernumerary Limbs
1️⃣ 一句话总结
这篇论文提出了一种分层控制框架,通过结合基于学习的步态生成和基于模型的动态平衡,有效解决了人形机器人在安装额外肢体后因扰动而导致的稳定性难题。
请先 登录 后再提交论文
用于配备超限肢体人形机器人步态的层次化框架 / A Hierarchical Framework for Humanoid Locomotion with Supernumerary Limbs
这篇论文提出了一种分层控制框架,通过结合基于学习的步态生成和基于模型的动态平衡,有效解决了人形机器人在安装额外肢体后因扰动而导致的稳定性难题。
探索扩散模型在机器人控制中的应用条件 / Exploring Conditions for Diffusion models in Robotic Control
这项研究提出了一种名为ORCA的新方法,通过设计可学习的任务提示和视觉提示,让预训练的文本到图像扩散模型能够适应机器人控制任务,而无需重新训练模型,从而在多个机器人控制基准测试中取得了领先性能。
pi-Flow:通过模仿蒸馏实现基于策略的少步生成 / pi-Flow: Policy-Based Few-Step Generation via Imitation Distillation
这篇论文提出了一种名为pi-Flow的新方法,通过让模型学习一个简单策略来模仿教师模型的生成路径,从而在保持图像质量的同时用更少的步骤生成多样化的图像,解决了现有方法在质量和多样性之间的权衡问题。
基于早期经验的智能体学习 / Agent Learning via Early Experience
这篇论文提出了一种名为‘早期经验’的新学习范式,让AI智能体通过自身在环境中的初步互动数据来学习,无需依赖奖励信号,从而有效提升了任务执行能力和对新场景的泛化能力。
R2RGEN:面向空间泛化操作的真实到真实三维数据生成 / R2RGEN: Real-to-Real 3D Data Generation for Spatially Generalized Manipulation
本文提出了一种无需模拟器和渲染的R2RGEN框架,能够直接从少量真实演示中高效生成多样化的三维点云数据,显著提升机器人操作策略在复杂空间环境下的泛化能力。