SuperMimic 解析：50 Hz PD 控制让 BPTT 梯度不再爆炸
daibond_alpha · x · 2026-11-10
SuperMimic 解析线程第 3 部分，解释为什么学界曾抛弃 BPTT 路线以及现在为何可行：DreamerV2/V3 转向 REINFORCE 式梯度，机器人界收敛到 PPO。作者认为真正的变量是控制接口——50 Hz PD 位置控制在每步拉回误差，使 BPTT 梯度保持有界；在直接力矩控制下梯度会爆炸（归咎 MuJoCo）。
所属事件:SuperMimic 单 GPU 3 小时训练胜 128 GPU 七天基线(5 条相关)→
「具身」频道最新
- Robbyant 发布 LingBot-Touch,让机器手拥有类人触觉感知 — CyberRobooo · 2026-11-10
- Dyna Robotics 实测 RL 对比 IK:轮式机器人全身动作误差更低更自然 — chris_j_paxton · 2026-11-10
- AI 研究者体验 Tesla Cybercab:对自动驾驶出租车印象相当正面 — chris_j_paxton · 2026-11-10
- 两篇 CoRL 论文把 VLA 推理提速 2.4× 和 4.7×,实现机械臂实时控制 — songhan_mit · 2026-11-10
- 基于 ESP32-C5 的开源 WiFi 干扰检测器,可双频监测并触屏配置 — Kyrannio · 2026-11-10
- Lamport Robotics 开源 12 组 SO-100/101 机器人操作数据集 — R4nsack · 2026-11-10