FARO：一种可行性感知的机器人运动优化框架

卡内基梅隆大学等机构的研究人员提出FARO框架，旨在解决人形机器人人形机器人外形模仿人类、有头有手有腿的机器人。最大优势是能直接使用为人类世界设计的工具和空间——楼梯、门把手、工厂工位都不在话下。◆ 小白科普 · 现身在未知场景中快速规划新行为的问题。该框架采用嵌套的运动学-动力学结构，针对候选接触序列进行快速可行性检查和动力学一致轨迹生成。通过集成可行性引导的树搜索和大语言模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身（LLM）驱动的接触计划采样策略，搜索效率显著提升。实验表明，生成的轨迹可通过强化学习强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身控制器进行跟踪，具备在真实世界全身操作场景中执行的高质量。该成果为高维、混合和欠驱动机器人系统的实时规划提供了新途径。