研究人员开发了 REFINE-DP，一个旨在增强人形机器人在运动操控任务中能力的新型分层框架。该方法通过使用基于 PPO 的梯度微调扩散策略（DP）运动规划器，并将扩散策略（DP）与强化学习（RL）相结合。同时，更新基于 RL 的控制器以精确跟踪规划器的指令，从而减少分布不匹配。该系统在模拟中，即使在分布外场景下，在开门和搬运物体等任务中也展示了超过 90% 的成功率，并且已成功在真实人形机器人上执行。 AI
影响 这项研究可能带来更强大、更适应复杂现实世界任务的人形机器人。
排序理由 该集群描述了一篇关于人形机器人控制新框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Diffusion Policies for Out-of-Distribution Generalization in Offline Reinforcement Learning
- Humanoid Robots
- Proximal Policy Optimization
- REFINE-DP
- reinforcement learning
- Zhaoyuan Gu
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
