ODE Policy 用神经 ODE 学动作动力学,跨任务生成机器人轨迹
ntumars · hf · 2026-11-10
ODE Policy 提出用神经 ODE 学习动作动力学（action dynamics）而非动作本身，生成连续、多模态的机器人轨迹。
在模仿学习与强化学习的多种任务上均有提升，覆盖单臂/双臂操作、灵巧手、移动操作（loco-manipulation）与运动控制等场景，兼容 Visuomotor、VLA、WAM、RL Actor 等多种策略骨干。
「具身」频道最新
- 约翰霍普金斯实验室招聘具身智能博士后,12 月 11 日截止 — mangahomanga · 2026-11-10
- HARP-Bench:37 任务测机器人与人类协作，主流策略成功率仅 9-19% — gan_chuang · 2026-11-10
- Karmedge 预测:OpenAI、DeepMind 或 Nvidia 将在 2027 年底前解决机器人智能 — alexmacgregor__ · 2026-11-10
- 研究：VLA 推理仅跑 1 步 Euler 即可,提速 1.6-4.8 倍 — kaixhin · 2026-11-10
- 6-8 千加元预算跑本地大模型：M5 Ultra 96GB 还是自组大内存 PC？ — EfficientDivide1572 · 2026-11-10
- 上交大 AutoLab 发布 A²-MEAS:校正代码驱动的具身多智能体框架 — AutoLab-SJTU · 2026-11-10