PulseAugur
中
实时 09:46:28
English(EN) Lambda-Hold Control: Human-Like Movement Emerges from a Minimal Task Reward in Predictive Musculoskeletal Simulation

新的 Lambda-Hold 控制方法可在 AI 模拟中实现类人运动

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为 Lambda-Hold 控制的新控制方法，该方法借鉴了人类运动控制中的平衡点（EP）假说。这种方法显著提高了肌肉骨骼模型的强化学习效率，解决了人体过度驱动带来的挑战。通过使用每块肌肉的 EP 阈值长度作为控制变量，Lambda-Hold 控制器允许模拟的肌肉骨骼模型在不到一小时的时间内，以最小的奖励函数学会类人冲刺。 AI

影响 这项研究可以加速机器人和生物力学模拟领域更现实、更高效的 AI 模型的发展。

排序理由 该集群包含一篇详细介绍肌肉骨骼模拟新控制方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的 Lambda-Hold 控制方法可在 AI 模拟中实现类人运动

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jun Hyuk Lee, Chihyeong Lee, Jooeun Ahn ·

    Lambda-Hold 控制：预测性肌肉骨骼模拟中的最小任务奖励涌现出类人运动

    arXiv:2608.17030v1 Announce Type: cross Abstract: The massive overactuation in the human musculoskeletal system makes it challenging to train musculoskeletal models to generate human-like motion via reinforcement learning, primarily because exploration in the resulting high-dimen…

相关实体

相关话题