实体
Continual Reinforcement Learning for Quadruped Robot Locomotion
Continual Reinforcement Learning for Quadruped Robot Locomotion
PulseAugur coverage of Continual Reinforcement Learning for Quadruped Robot Locomotion — every cluster mentioning Continual Reinforcement Learning for Quadruped Robot Locomotion across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架使空间机器人无需奖励信号即可适应
研究人员开发了一种新颖的无奖励持续学习框架，专为在恶劣、不可预测环境中运行的空间机器人而设计。该方法利用在模拟中预先训练的潜在状态世界模型来预测奖励结构。部署时，系统仅使用无监督的滚动更新世界模型的转换动力学，使代理能够在不需要明确奖励信号的情况下适应硬件退化和动力学变化。该框架已在行星穿越、轨道导航和精密组装等模拟任务中成功演示，即使在遭受严重形态故障的情况下也能正常工作。
-
Skyfall AI 发布 MORPHEUS 持续强化学习基准
Skyfall AI 推出了 MORPHEUS，一个专为企业模拟环境中的持续强化学习（CRL）设计的新基准。与每次迭代后重置的传统基准不同，MORPHEUS 具有持久的世界，过去的决策会影响未来的动态，迫使智能体适应非平稳条件。该平台结合了故障注入和异步配置转移来模拟现实世界的运行复杂性，奖励基于故障事件、财务账本和资源吞吐量。为了处理庞大的动作空间，MORPHEUS 采用了一个两阶段流程：首先使用 Gemini-3.1 Pro 和 …