前 OpenAI 科学家用 RLHF 思路训练机器人：单策略搞定走跳爬
chris_j_paxton · x · 2026-07-25
作者指出，从 5-10 年的长远视角来看，轮式机器人在许多复杂环境中注定会处于劣势，因为足式机器人拥有更多调整姿态和保持稳定的方式。
引用的原帖展示了一项机器人演示：在受到物理束缚和干扰时，机器人能够依靠单一通用策略自行找到恢复稳定行走的方法，而无需为每个动作编写硬编码脚本。该项目由曾在 OpenAI 参与 ChatGPT 背后 RLHF 技术的研究员创立，致力于将类似的强化学习思路应用于机器人训练。
「具身」频道最新
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 欧洲第10国拉脱维亚批准 Tesla FSD,马斯克称赞小国审批最快 — elonmusk · 2026-10-27
- WanGP v18.81 支持 Hy-Nomas 世界模型，8GB 显存可用 WASD 探索 — cocktailpeanut · 2026-10-27
- NVIDIA 开源 FLORA：机器人数据引擎，成本仅 GPT-6 Astra 的 1/125 — nvidia · 2026-10-27
- 具身智能创业的隐藏难题：机器人公司需要另一种运营纪律 — ___Mufasaa · 2026-10-27
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27