ETH 用自动课程强化学习，让 ANYmal 复杂地形跑到 2.5 m/s
ChongZzZhang · x · 2026-09-30
ETH Zurich 机器人系统实验室发布 LP-ACRL（基于学习进度的自动课程强化学习），用于把四足机器人运动能力扩展到多样复杂地形。
- 不再依赖人工设计的难度表，而是在线估计学习进度，把训练转向策略仍有提升空间的任务；
- 自动采样地形类型、难度等级与速度指令，无需预设顺序；
- 学到的控制器迁移到 ANYmal D 实机，在楼梯、斜坡、碎石和低摩擦地面上实现最高 2.5 m/s 线速度、3.0 rad/s 角速度的快速稳定运动。
论文发表于 IEEE Robotics and Automation Letters 2026。
所属事件:ETH 自动课程强化学习让四足机器人 ANYmal 复杂地形跑出 2.5 m/s(3 条相关)→
「具身」频道最新
- RoboPapers 预告新播客:用视觉-语言模型引导预训练机器人策略 — micoolcho · 2026-09-30
- Delta-0 机器人演示:灵巧手首次融入全身协同控制 — siyuanhuang95 · 2026-09-30
- 四足巡检机器人加上时空记忆，追踪铁路结构异常 — Separate_Fill_7127 · 2026-09-30
- OpenRoboto Shift 把真实工作变成机器人训练数据卖钱 — markjeffrey · 2026-09-30
- 曝 OpenAI 硬件设备 Dots 需订阅 Pro 200 套餐 — testingcatalog · 2026-09-30
- Linus Ekenstam 用3D打印“ casually”造出一个滑板 quarter pipe — LinusEkenstam · 2026-09-30