RAI Institute 用强化学习让自行车机器人完成跳台空翻特技
KyleMorgenstein · x · 2026-11-15
RAI Institute 研究员 Shamel Fahmi 展示其团队在超机动载具(UMV)自行车机器人上的强化学习成果,该工作曾出现在 NVIDIA GTC 主题演讲的"AI Native"公司名单中。
论文《Bicycle Acrobatics with Reinforcement Learning》要点:
- 自行车机器人快速节能,但欠驱动、非完整约束的动力学使高机动动作极难
- 用多种 RL 公式(航点跟随、位姿到达、扭转跟踪、运动模仿)让机器人学会单/多桌前后跳、可转向跳、前空翻、kip-up、翘头、bunny hop 等特技
- 引入 orchestrator,用状态触发器在多个策略间切换,实现长时程特技编排
- 实机验证:反复跨越 1 米高桌面、连续 15+ 次自主跳跃、20+ 次连续特技编排
结果表明 RL 能让轮式机器人具备腿式平台的敏捷性,同时保留轮式的速度与效率。
「具身」频道最新
- SpaceX 空中捕获轨道级上面级,史诗级工程成就 — VraserX · 2026-11-15
- 把一台人形机器人搬进办公室茶水间,日常照曝光 — cixliv · 2026-11-15
- Patterson 断言通用模型明年年底前可完成多数人类工作 — davidpattersonx · 2026-11-15
- 用 ROS 2 与 MCAP 给 SO-101 机械臂实现录制回放，Foxglove 对比实测 — kamathsblog · 2026-11-15
- 用 Opus 逆向智能眼镜:WhatsApp 通话+YOLO 打造免费实时物体识别系统 — IgorCarron · 2026-11-15
- 上海交大提出 Value as Memory,给机器人策略装上任务进度记忆 — jiqizhixin · 2026-11-15