跳到正文
热点事件持续更新

ForPC力感知全身控制实现人形推车

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

ZhenYu Zou等作者提出力感知全身控制框架ForPC，通过两阶段强化学习调节人形机器人推车速度。该方法从本体观测推断力隐变量与状态隐变量，无需外部力传感器，再由残差策略协调手臂、腰部和腿部动作。 仿真中，推车速度RMSE较仅运动控制基线最多降低68.2%，多弯道路线横向误差最多降低74.2%。作者称，策略仅在仿真中训练，未做真实世界训练或微调即迁移到实体Unitree G1，且无需针对负载调整，即以0.5 m/s推动载重最高30 kg的推车。

AI 根据报道生成 · 15 小时前更新

最新进展11月9日 13:00
ForPC：面向人形机器人推车的力感知全身控制框架

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. arXiv cs.RO
    ForPC：面向人形机器人推车的力感知全身控制框架

    ForPC 是一个力感知全身控制框架，通过两阶段强化学习调节人形机器人推车时的推车速度。该方法先从本体观测中推断力隐变量与状态隐变量，无需外部力传感器，再由残差策略协调手臂、腰部和腿部动作；仿真中推车速度 RMSE 较仅运动控制基线最多降低 68.2%，多弯道路线横向误差最多降低 74.2%。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月9日 14:00
近 24 小时变化
–

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。