00:00 / 02:28
连播
清屏
智能
倍速
点赞35
00:00 / 06:21
连播
清屏
智能
倍速
点赞374
00:00 / 00:40
连播
清屏
智能
倍速
点赞2
00:00 / 03:52
连播
清屏
智能
倍速
点赞35
00:00 / 04:04
连播
清屏
智能
倍速
点赞25
00:00 / 06:21
连播
清屏
智能
倍速
点赞411
00:00 / 04:12
连播
清屏
智能
倍速
点赞737
00:00 / 00:55
连播
清屏
智能
倍速
点赞5717
00:00 / 02:19
连播
清屏
智能
倍速
点赞127
00:00 / 04:04
连播
清屏
智能
倍速
点赞836
00:00 / 03:12
连播
清屏
智能
倍速
点赞8
宇树机器人又进化了!能够自主思考和反应啦。 #宇树机器人 #宇树科技 #机器人 由加州大学伯克利分校,密歇根大学安娜堡分校,香港中文大学联合开发了一个世界模型: Ego-VCP(自我视觉接触规划),该模型它主动利用物理接触而非简单避免碰撞,所有动作(感知、规划、控制)均完全自主,无需任何人类干预或安全备份机制,一切动作都依赖模型的自主预测和决策,让机器人不用轨迹规划、不用动捕、不用遥操作,仅用机载双目相机和本体感觉,就能避开和阻挡碰撞! 这是一个针对人形机器人的高效框架,旨在实现非结构化环境中的自主性。的基于优化的规划器难以应对复杂的接触情况,而基于策略的强化学习(RL)则存在样本效率低下和多任务处理能力有限的问题。我们提出了一种框架,该框架结合了学习到的世界模型和基于采样的模型预测控制(MPC),并在一个无需演示的离线数据集上进行训练,以在压缩的潜在空间中预测未来的结果。为了解决接触奖励稀疏和传感器噪声的问题,MPC 使用学习到的代理值函数来实现密集且鲁棒的规划。我们开发的单一可扩展模型支持多种接触感知任务,包括扰动后的墙体支撑、阻挡来袭物体以及穿越高度受限的拱门,并且相比基于策略的强化学习,该模型具有更高的数据效率和更强的多任务处理能力。
00:00 / 00:48
连播
清屏
智能
倍速
点赞351