宇树 G1 学会自我脱困，ROOF 强化学习策略无需视觉地图
Scobleizer · x · 2026-11-03
中国研究者提出 ROOF 强化学习策略，让宇树 G1 机器人被障碍物压住后自行脱困。
- 不依赖摄像头或预建 3D 地图，而是用几何奖励引导：与障碍物重叠越少、拉开距离越大，奖励越高
- 不规定动作方式或方向，G1 需自己探索如何移动
- 结果是机器人学会调整身体姿态、用四肢寻找稳定支撑、推开可动障碍并站起
Scobleizer 转评称 Physical AI 演示正越来越好。
「具身」频道最新
- 时隔仅3个月中国复现机器人折箱演示,硬件成本更低 — Scobleizer · 2026-11-03
- 同一策略换个物理引擎就翻车:Manda 实测四大仿真器迁移效果 — facontidavide · 2026-11-03
- SO-101 机械臂自学会打乒乓球，最高连击 23 次 — Scobleizer · 2026-11-03
- 投资人预测：两年内 2-3 千美元家用叠衣机器人将上市 — lukas_m_ziegler · 2026-11-03
- NVIDIA 展示用前沿 AI Agent 驱动 Omniverse 物理仿真开发 — CurieuxExplorer · 2026-11-03
- BiGym 2.0 人形机器人基准:Claude 写规则操控 Unitree G1 达 51.9%,逼近 VLA — teortaxesTex · 2026-11-03