TECHNOLOGY · 技术
运动控制
GM-Loco：人形机器人颗粒地形自适应行走与跳跃
Georgia Tech提出GM-Loco，融合三维阻力理论与强化学习，使人形机器人在沙地等颗粒地形上自适应行走、奔跑与跳跃。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
佐治亚理工学院研究团队提出GM-Loco方法，面向沙地、碎石等颗粒介质上复杂且高度不确定的足地接触问题，将基于三维阻力理论（3D Resistive Force Theory, 3D-RFT）的物理接触模型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 · 现身直接融入强化学习一种 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 · 现身训练，使机器人能够学习足部下陷、滑动与颗粒阻力等真实动力学。该方法进一步结合Teacher–Student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 · 现身与VAE地形潜在表征，机器人仅依靠本体感知即可在线识别不同地形特性并自适应调整步态机器人走路的方式和节奏。自然步态意味着走起来像人一样流畅，而不是僵硬摇摆的「机械步」。◆ 小白科普 · 现身。研究团队在NVIDIA仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身环境中对该方法进行了验证。