文章摘要
【关 键 词】 双足机器人、神经网络、强化学习、运动控制、人形机器人
UC伯克利的双足机器人Cassie在HYBRID ROBOTICS研究团队的努力下,以惊人的速度跑完了400米,用时仅2分34秒,并且完成了1.4米的跳远。
Cassie的独特之处在于只有下半身,这使得它的速度和动作更为流畅。通过神经网络强化学习,Cassie可以掌握简单的技能,如跳跃、行走等,而无需额外训练。
研究团队还测试了Cassie的跳远能力,取得了1.4米的成绩。
这些成就得益于基于RL的通用控制框架,该框架可以实现各种双足运动技能,包括周期性行走、跑步、跳跃和站立。通过深度强化学习,研究者为双足机器人创建了动态运动控制器,利用双历史架构和机器人的I/O历史,实现了在模拟和现实世界中各种技能的优越表现。这种控制架构具有适应性和鲁棒性,能够适应各种变化和任务随机化。
另外,UC伯克利的人形机器人“小绿”也引起了关注,研究者通过训练GPT的方法成功训练出了人形机器人的类人运动,通过预测下一个动作来控制其行走。
他们使用不同数据源进行训练,包括基于模型的控制器、动捕数据和YouTube上的人类视频。这些研究成果展示了机器人在运动技能方面的巨大潜力,为未来的机器人应用和发展提供了重要的参考和启示。
原文和模型
【原文链接】 阅读原文 [ 1400字 | 6分钟 ]
【原文作者】 新智元
【摘要模型】 gpt-3.5-turbo-0125
【摘要评分】 ★★★★★
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...