SMPC演示结合稀疏奖励优化机器人操作学习

研究团队在arXiv发布论文，提出利用仿真中基于采样的模型预测控制（SMPC）自动生成海量离线数据。该框架旨在解决标准强化学习在复杂任务中因密集奖励塑造而导致的扩展瓶颈，通过稀疏离线转在线学习大幅降低新技能训练时间。 该方法结合低级动态稳定性控制器，使策略表现优于原最优控制教师。团队在配备机械臂的四足机器人Spot和人形机器人G1上验证了sim-to-real框架的鲁棒性，成功部署了复杂的loco-manipulation技能。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。