One Robot, Many Bodies: New System Helps Four-Legged Robots Adapt
UMD 介绍 MorFiC:让价值网络利用机器人形态参数,缓解四足策略迁移时的价值估计偏差。
展开解读与证据
UMD 介绍 MorFiC:让价值网络利用机器人形态参数,缓解四足策略迁移时的价值估计偏差。
为什么值得关注
跨机体泛化不一定只靠更大的策略;训练时 critic 的条件信息可能影响可迁移性,值得对照验证。
问题与创新
同一姿态或动作在不同体重、腿长和电机能力的机器人上,结果可能不同。MorFiC 修改强化学习中的 critic——负责评估动作长期收益的网络——向其提供形态信息,减少把不同机体的价值混为一谈造成的学习误导。
做法与证据
团队在单一四足设计上训练,再测试七个平台。UMD 报道其在五个平台取得所比较方法中的最高前进速度:AlienGo 模拟测试为 1.98 m/s,对照方法低于 0.65 m/s;同一策略还部署到真实 Go1 和 Go2。
结论与限制
结果支持“改善价值估计可能帮助跨机体迁移”,但并非通用迁移已经解决:较重的 B1 和形态差异大的 ANYmal 未能有效运动。实机仍受延迟、状态估计和打滑影响,因此应同时看速度与完成情况,不能只看是否站住。
阅读边界
实验结论为研究团队报告;形态差异较大的平台仍有失败,不能解释为通用迁移。新闻日期不等于论文首发日期。
证据来源
发布方原文 ↗MorFiC 原始论文:UMD 新闻直接链接论文;编号对应 2026 年 3 月。作为同一成果的证据入口,不重复计成一篇新论文。
评论 · —
昵称自填。评论会展示给其他读者,请勿填写私人信息。
正在读取评论…