English(EN) Stubborn: A Streamlined and Unified Reinforcement Learning Framework for Robust Motion Tracking and Fall Recovery for Humanoids

新的强化学习框架增强了人形机器人的运动和跌倒恢复能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-12 04:00

研究人员开发了一个名为 Stubborn 的新强化学习框架，旨在提高人形机器人的运动跟踪和跌倒恢复能力。与之前将这些视为需要复杂多阶段训练的独立任务的方法不同，Stubborn 将它们统一到一个框架中。它包含一种新颖的概率终止机制，以鼓励探索恢复行为，以及一种自适应采样策略，该策略将训练重点放在困难的运动片段和不稳定的状态上，从而带来更鲁棒的性能。 AI

影响引入了一种统一的人形机器人运动和跌倒恢复方法，有可能提高机器人在现实场景中的稳定性和适应性。

排序理由这是一篇详细介绍机器人强化学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

Reinforcement Learning

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xiao Ren, Yuhui Yang, Zongbiao Weng, Zhijie Liu, He Kong · 2026-06-12 04:00

Stubborn: A Streamlined and Unified Reinforcement Learning Framework for Robust Motion Tracking and Fall Recovery for Humanoids

arXiv:2606.12814v1 Announce Type: cross Abstract: Recent reinforcement learning approaches have shown great promise in improving humanoid motion tracking performance and achieving fall recovery under disturbances. However, most existing works treat motion tracking and fall recove…

报道来源 [1]

Stubborn: A Streamlined and Unified Reinforcement Learning Framework for Robust Motion Tracking and Fall Recovery for Humanoids

相关实体

相关话题