强化学习 四足机器人 |
| 时间：2025-03-05 11:47:23 来源：互联网 作者： |
AI导航网，AI网站大全，AI工具大全，AI软件大全，AI工具集合，AI编程，AI绘画，AI写作，AI视频生成，AI对话聊天等更多内容请查看 https://aiaiv.cn/
知乎本文将首先介绍 ETH 在四足机器人领域的标志性成果（分别发表在 Science Robotics 2020 和 2022），随后介绍强化学习在四足机器人领域的最新成果。续集： 展开ETH 2020 — Learning Quadrupedal Locomotion over Challenging Terrain这篇工作的主要特点是仅利用了四足机器人的本体信息（proprioceptive feedback），使用强化学习进行仿真 本文的主要贡献包括以下几个部分。Domain Randomization & Adaptive Terrain Curriculum 展开ETH 2022 — Learning Robust Perceptive Locomotion for Quadrupedal Robots in the Wild这篇工作和上一篇工作的主要区别在于使用了感知信息（视觉、雷达）使四足能 Attention-based Recurrent Encoder 提出了一个基于attention机制的 belief state encoder，可以融合感知信息和本体信息Privileged Learning 展开2. Model-based RL MethodsDayDreamer: World Models for Physical Robot Learning. CoRL 2022本文使用model-based的方法，在多个四足和机械臂任务中进行学习，使用实物 Dreamer to solve a range of tasks on different robots from scratc 展开1. Model-Free RL MethodsLearning to Walk in Minutes Using Massively Parallel DRL. CoRL 2022利用NVIDIA设计的并行仿真环境，可以支持数千个机器人同时的在线训练，从而在很短的时间内学习到稳定的策略，并通 主要的设计点包括： 展开更多内容请查看https://zhuanlan.zhihu.com/p/570352241
IsaacGym四足机器人sim to real全过程详细解 2023年10月9日 · 在讨论基于五次多项式的四足机器人轨迹规划时，首先需要了解四足机器人与双足、六足机器人的对比优势，以及仿生领域研究的重要性。 四 足 机器人 由于其稳定性好、易于控制以及适应性较强的特性，在仿生 机器人 研 更多内容请查看https://blog.csdn.net/weixin_44061195/article/details/132830367
基于近端策略优化 (PPO)强化学习的四足机器人步态 2024年10月9日 · 近年来， 强化学习 （Reinforcement Learning, RL）在机器人控制领域取得了显著进展，其中近端策略优化（Proximal Policy Optimization, PPO）算法因其稳定性高、收敛速度快等优点而备受关注。 在PPO中，智能 更多内容请查看https://blog.csdn.net/ccsss22/article/details/142773075
强化学习3——基于强化学习的四足机器人运动控制 强化学习属于第三类机器学习，是在没有数据和标签作用下，通过智能体与环境相互交互，不断试错获得控制策略的一种智能算法。 对于复杂的控制问题，常常会引入 深度 更多内容请查看https://blog.csdn.net/jinpeng_cumt/article/details/107680905
强化学习 & 四足Quadruped （二） 目前的较多工作用相机、激光雷达等外部传感器来辅助四足机器人感知地形并通过，然而这些外部传感器存在噪声且有时不可信，本文提出了一种 不需要外部传感器 就可以 更多内容请查看https://zhuanlan.zhihu.com/p/629162580
机器狗跑酷！|四足机器人&强化学习 卡内基梅隆大学 的研究人员发布了一种 四足机器人 的跑酷方法，机器人使用一个简单的神经网络产生各种跑酷动作，可以登上2倍自身高度的台阶，跳过2倍身长的间隔，甚至可以倒立行走和下楼梯。更多内容请查看https://zhuanlan.zhihu.com/p/667799059
开源四足机器人的强化学习与实时模拟训 rex-gym是一个开源项目，致力于通过强化学习和OpenAI Gym环境训练3D打印四足机器人，实现模拟训练到真实执行的无缝迁移。 支持命令行操作、多种训练模式和地形模拟，旨在测试并提升控制策略的适应性。更多内容请查看https://www.dongaigc.com/p/nicrusso7/rex-gym
【论文系列】--基于深度强化学习的四足机器人步态分析 2024年10月1日 · 该方法使用近端策略优化（Proximal Policy Optimization，PPO）强化学习算法训练四足仿生机器人的运动，包括基本的前行、跑步和各种高难度的杂技动作。 马尔可夫过 更多内容请查看https://www.cnblogs.com/myleaf/p/18442848
粤北客，粤北农产品，粤北好货,粤北山货，粤北农家货，韶关农产品，乳源农产品，乐昌农产品，更多内容请查看http://ybke.cn
百度AI开放平台机器人自主学习新进展，百度飞桨发布四足机器人控 2021年10月8日 · 该算法采用自进化的步态生成器与强化学习联合训练，从零开始学习并掌握多种运动步态，一套算法解决包括独木桥、跳隔板、钻洞穴等多种场景控制难题。百度已开源全部仿真环境和训练代码，并公开相关论文。更多内容请查看https://ai.baidu.com/support/news?action=detail&id=2612
|
|
|
|
