研究：低分辨率近距传感器更利于人形机器人学避碰

1. 12:00
   arXiv cs.RO

   Move, don't think：用有损近距传感器实现样本高效避碰学习

   该论文研究以全身近距传感器作为归纳偏置，学习反射式避碰行为，发现低分辨率有损传感器比高分辨率全覆盖更能提升学习效果。研究在强化学习环境中比较了八种候选表征，包括隐空间压缩、未来接触预判、有损退化和特权状态估计，并在刻意限制样本与算力预算下端到端训练超过200台人形机器人玩简化版躲避球。作者还发现，预判接触发生的时间和部位反而降低了学习样本效率。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。