MuJoCo Playground
PulseAugur coverage of MuJoCo Playground — every cluster mentioning MuJoCo Playground across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的TEMPO方法可实现机器人策略的实时适应
研究人员开发了一种新颖的机器人运动策略测试时自适应（TTA）方法TEMPO。该方法使机器人在无需明确奖励或大量重新训练的情况下，能够实时调整其行为，从而解决因操作条件变化而导致的故障。TEMPO利用熵正则化技术来防止过度自信的预测，并使用一个优先考虑挑战性观测值的内存系统以实现更高效的计算。在Go1、Go2和G1等各种机器人模型上进行的测试表明，TEMPO在模拟环境中性能显著提升，增幅高达80%，并在实际Unitree Go2机器人上得到了验证。
-
WarpSAC 算法使强化学习稳定器适应数据模式
研究人员开发了 WarpSAC，这是一系列新的离策略强化学习算法，旨在适应海量并行模拟环境中的不同数据模式。通过分析稳定器在不同数据可用性下的表现，研究团队发现参数归一化和裁剪双 Q 方法依赖于数据模式。WarpSAC 提供两种变体：WarpSAC-L 用于数据受限的 CPU 训练，WarpSAC-A 用于数据丰富的 GPU 训练，在学习效率和从模拟到现实的部署方面均显示出显著改进。
-
WarpSAC 强化学习算法适应数据模式，提升性能
研究人员推出 WarpSAC，这是一系列新的离策略强化学习算法，旨在适应不同的数据模式。通过分析稳定器在数据有限与数据丰富场景下的表现，WarpSAC 提供了两个变体：WarpSAC-L 用于 CPU 规模训练，WarpSAC-A 用于 GPU 并行训练。这种方法在复杂任务中取得了比 FlashSAC 等现有方法更高的成功率，并在实际应用中实现了更快的部署，展示了显著的改进。