新的RAPT模型增强了人形机器人在模拟到现实迁移中的安全性

研究人员开发了RAPT（循环概率轨迹模型），一个新系统，旨在检测分布外状态和诊断人形机器人在模拟到现实部署中的故障。这个轻量级的、自监督模型以50赫兹运行，并从模拟数据中学习名义机器人行为，以预测实际执行中的偏差。RAPT旨在提供经过校准的、每维度的预测偏差信号，能够在严格的误报约束下进行检测，并定位执行何时何地偏离名义行为。对于事后诊断，RAPT集成了时间显著性、关节运动学摘要和基于LLM的语义推理，以零样本方式对故障原因进行分类。 AI

影响 增强了人形机器人从模拟过渡到现实世界部署的安全性和可靠性。

排序理由 关于机器人控制安全新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• DagsHub
• Hugging Face
• Humphrey Munning
• Isaac Lab
• Recurrent Anomaly Probabilistic Trajectory Model

• 论文
• 安全
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →