CoRL 2025：基于运动先验的四足机器人层级强化学习框架
breadli428 · x · 2026-08-27
ETH Zurich 团队提出了一种分层强化学习框架，旨在通过运动先验（Motion Priors）提升四足机器人在复杂地形中的适应性。该方法首先在平地上通过模仿真实犬类动作预训练低层策略，随后高层策略学习残差修正，以实现感知运动、局部避障和目标导航。
核心贡献：
- 分层架构：低层策略负责自然运动表达，高层策略负责适应性修正。
- 泛化能力：在模拟和真实世界实验中，ANYmal 机器人成功将平地技能迁移至复杂崎岖地形，保持了运动的自然性和效率。
- 运动正则化：与基线相比，该方法在相似奖励设置下显著提升了运动规律性。
「具身」频道最新
- 机器人举重撞翻裁判桌，学者盛赞中国发布负结果的天才之处 — ferruz_noelia · 2026-08-27
- Unitree 上市后暴跌 45%：人形机器人是未来，也是泡沫 — VraserX · 2026-08-27
- 开源双足机器人 Microduck：399 美元，支持仿真训练 — mishig25 · 2026-08-27
- AI 辅助脑手术技术展示 — mtizard · 2026-08-27
- 中国发布轮腿切换机器狗：平地用轮崎岖用腿 — aftahi_ai · 2026-08-27
- 仿蠕虫软体机器人靠充气肌肉爬行转弯,可用于搜救 — tekbog · 2026-08-27