ETH Zurich 提出 NaP-Control，结合 RL 与扩散先验实现角色快速控制
rsasaki0109 · x · 2026-08-23
苏黎世联邦理工学院（ETH Zurich）提出了 NaP-Control，这是一个结合强化学习（RL）与任务无关扩散运动先验的潜在噪声优化框架。它通过学习导航扩散先验的输入噪声空间来生成任务驱动的物理合理行为，而非依赖测试时缓慢的迭代梯度引导，从而实现高效、精确的全身角色控制。
所属事件:ETH 提出 NaP-Control，高效实现物理角色运动控制(2 条相关)→
「具身」频道最新
- SEAR 首次大规模对照研究：7 个前沿 LLM、330 项任务检验自进化机器人 — xiye_nlp · 2026-10-16
- 播客对谈：海底机器人的 1500 米深水创业与蓝碳生意 — blakemenezes · 2026-10-16
- 索尼推出 5900 美元镀金 Walkman，主打 AI 音质增强 — Polymarket · 2026-10-16
- 比利时 ROBIB 机器人聚会 11 月 19 日回归，主题从 Elekto 到 Physical AI — MarwaEldiwiny · 2026-10-16
- VLX-Go 论文：多阶段训练让机器人跟踪目标人物抗干扰成功率大增 — omlab · 2026-10-16
- Ledger 发布 Atom 安全设备：AI Agent 操作须物理按键批准 — adamamcbride · 2026-10-16