比萨大学等用独立探索 critic 解决四足机器人推物的零奖励难题
stepjamUK · x · 2026-09-07
- 四足机器人推一个抓不住的物体是艰难的 RL 探索问题:接触发生前任务奖励始终为零,标准单 critic PPO 只会去优化平滑度和能耗惩罚,永远找不到接触。
- 来自比萨大学、ETH Zürich 与 NVIDIA 的成员提出训练一个单独的 exploration critic,基于密集的「寻找接触」奖励引导末端执行器走向候选接触点,再在训练中衰减其权重,使策略从找接触过渡到任务最优。
- 候选接触点来自通用抓取算法,因此可跨物体几何泛化、无需逐任务手工调整。
- 已在真实四足移动操作平台上验证搬运椅子,零样本迁移到未见过的 IKEA 家具,并能从失败接触中恢复。
「具身」频道最新
- NVIDIA 开源 MotionBricks：人形机器人动作生成达 15000 FPS、2ms 延迟 — _akhaliq · 2026-10-26
- 用户用 Claude Code 拆解本田车机：发现 root 后门与静默装 APK — IndraVahan · 2026-10-26
- Temple 健康设备开启预售，用户质疑：未见实效前谁愿戴 — abhishekcode42 · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- Luke Wroblewski 细节控：iPhone Duo 圆角复刻初代 iPhone — LukeW · 2026-10-26
- 人形机器人两年跑赢人类：半马破纪录、百米超博尔特 — ben_j_todd · 2026-10-26