研究人员开发了LUCID，一个新颖的、分层的模型驱动强化学习框架，专为涉及人形机器人的复杂长时任务设计。该系统通过实现多功能全身技能的组合和可靠的高层决策，解决了当前方法的局限性。LUCID通过学习一个动力学模型来实现这一点，该模型根据潜在决策预测状态转移，从而通过想象的滚出实现优化的策略规划。在模拟多对象重排场景中的评估表明，与现有基线方法相比，LUCID在完整任务成功率和部分完成率方面表现更优。 AI
影响 该框架有望在复杂环境中实现更复杂的人形机器人操作和运动。
排序理由 这是一篇详细介绍机器人新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
