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 · x · 2026-11-10
Dyna Robotics 回应外界对轮式机器人是否真需要强化学习的质疑,放出了 IK 与 RL 追踪同一段 ground-truth 动作的直接对比:
- RL 整体动作追踪误差更低
- 全身动作更接近人类自然姿态,IK 则相对僵硬
- 对不寻常的末端执行器位姿,RL 能找到更好的全身配置
作者同时指出,业界很多系统把 loco-manipulation 拆成「移动 + 操作」两个控制器,腰部和下肢自由度参与有限,这种架构下全身 RL 的增益确实不大——这正是争议的根源。
文中还介绍了 Dyna-2.1:一台名为 Taku 的半人形机器人,定位为端到端工作流的「物理智能体」,强调利用人类示范提升可教性,并发布了首段一小时无剪辑的完整工作流自动化演示。作者主张通用机器人的商业价值在于「工作流」而非单点静止任务:客户买的是一个岗位而非一个动作,例如叠餐巾能连跑 24 小时但仍需人工补料,没有解除 babysitter 就不算真正的产品化。
「具身」频道最新
- Claude 驱动真实机器人,通用模型再胜机器人专用系统 — burny_tech · 2026-11-10
- LingBot-Touch 实测:触觉让 VLA 成功率从 45.6% 升至 72.5% — CyberRobooo · 2026-11-10
- LingBot-Touch 架构解析:共享 Haptic Transformer 统一三类触觉信号 — CyberRobooo · 2026-11-10
- Robbyant 发布 LingBot-Touch,让机器手拥有类人触觉感知 — CyberRobooo · 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