用模型替代奖励函数：两人形机器人从零学会走路对比实验
tw_killian · x · 2026-11-07
- 研究者 Agneya Tharun 训练了两个从零学走的人形机器人做对照：一个使用 12 个手工调参的奖励项（保持直立、避免抖动等），另一个用决策模型 elephant-1 来评判其行走有多「自然」。
- 实验探讨「能否用决策模型替代 RL 中的奖励函数」，结果见原帖视频；主帖本身是个「睡前 vs 起床后」的玩梗转发。
「具身」频道最新
- Figure 人形机器人在公司总部行走,画面几可乱真 — Distinct-Question-16 · 2026-11-07
- CoRL 机器人大会报名全部售罄，候补名单数百人 — tomaszbednarz · 2026-11-07
- 开源 AI 戒指 museo 开启预售:可接入任意 Agent,定价 144 美元 — bihanmahadewa · 2026-11-07
- InstantHMR 开源：手机 NPU 上 5.5ms 实时恢复 3D 人体网格 — PurzBeats · 2026-11-07
- Muse 开始向 Meta 智能眼镜推送,瞄准语音操控 AI Agent 场景 — armand_ruiz · 2026-11-07
- 「2050 提前到来」：人形机器人扎堆亮相引发感叹 — CyberRobooo · 2026-11-07