LAFAN1
PulseAugur coverage of LAFAN1 — every cluster mentioning LAFAN1 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新AI方法在一分钟内学会人形运动追踪和运动
研究人员开发了XMimic和XSoma,两种学习人形运动追踪和运动的新方法。这些方法通过在多个GPU之间并行计算,将训练时间大大缩短,在一分钟内即可获得结果。XMimic专注于运动追踪,而XSoma通过精确计算动力学和地形高度来处理崎岖地形上的运动。这两种方法都比现有方法显示出显著的速度提升,并利用JAX和MuJoCo Warp模拟器进行高效训练。
-
新的 $\nabla$Mimic 方法可大幅缩短人形机器人控制训练时间
研究人员开发了一种名为 $\nabla$Mimic 的新方法,通过利用可微分模拟,显著提高了人形机器人控制的效率。该方法利用模拟器本身的精确梯度,克服了困扰传统方法的梯度爆炸等问题。通过实现中值相对每样本梯度裁剪和多步回归,$\nabla$Mimic 在复杂人形运动跟踪任务上取得了最先进的性能,而所需时间仅为现有方法的几分之一。相关的 NablaEngine 是一个可微分的 GPU 模拟引擎,通过比以前的工具更快地处理接触动力学和伴随…
-
人形机器人“大脑”获得类GPT模型,处理20亿帧运动数据
研究人员推出AstraBrain-WBC 0.5,这是一种新颖的、类GPT的基础模型,专为人形机器人的通用大脑控制而设计。该模型利用了包含20亿帧人类运动数据的海量数据集,在执行新颖动作的零样本泛化能力方面,显著优于SONIC和TWIST等现有方法。该架构采用了因果Transformer,摒弃了传统的MLP,以更好地捕捉运动中的长期时间依赖性,使机器人能够以高精度和稳定性执行复杂且动态的运动。
-
新流程使人形机器人能够在行走时操纵物体
研究人员开发了CoorDex,这是一个新颖的学习流程,使人形机器人在运动中能够执行灵巧的操作。该系统将高维身体和手部控制转换为协调的潜在残差控制,使像Unitree G1这样的人形机器人能够在不停顿的情况下抓取瓶子、打开冰箱门和操纵方块。该方法利用模拟演示来训练运动跟踪教师,将它们提炼成潜在的先验知识,然后使用这些先验知识进行强化学习,在复杂的同时运动和操纵任务中表现优于更简单的方法。