搜索结果

1X发布的世界模型（1XWM）补充技术报告，这是一个预测机器人未来观测和任务价值的生成式视频模型。；称其为首个面向全身人形机器人的世界模型，能根据动作指令预测接触和全身操作。；展示1XWM作为策略评估器，其准确度随自主运行数据增加而提升，并与真实世界评估高度相关。

SafeFall：人形机器人跌倒保护控制学习

PvP：基于本体-特权对比表征的数据高效人形机器人学习

面向可扩展人形机器人学习的快速动作重定向流程

UC Berkeley 官方技术报告——HumanoidBench：人形机器人全身运动与操作仿真基准

UC San Diego 官方技术报告——ExBody2：高级富表现力人形机器人全身控制

NVIDIA / CMU 官方技术报告——HOVER：人形机器人通用神经全身控制器

CMU / NVIDIA 官方技术报告——ASAP：对齐仿真与真实物理以学习敏捷的人形机器人全身技能

人形机器人的平衡控制与运动规划长期依赖低维模型：先把复杂动力学压缩成少数状态，算出步态或恢复策略，再映射到整机。问题在于，最常用的 linear inverted pendulum（LIP）并不是没有代价的模型，它要求机器人的质心在一个平面上运动，还要求接触环境是平面。

人形机器人被期待拥有人一样的移动能力，但它要同时处理的控制目标往往彼此冲突：走得稳、不撞到自己、还要跟得上指令。基于模型的控制器能靠在线优化应付这些目标，代价是计算需求很高；模型预测控制（MPC）虽然用在线轨迹优化换来了闭环稳定性，但对高维系统而言，跑到实时速率并不容易。