arXiv · 机器人与计算机视觉· Sizhe Wei, Xulin Chen, Fengze Xie, Garrett Ethan Katz, Zhenyu Gan, Lu Gan·· 9 天前精选AI 评分82
超越拓扑:用于运动策略学习的形态对称图表示
Beyond Topology: A Morphological Symmetry Graph Representation for Locomotion Policy Learning
AI 导读
论文提出一种形态对称图表示方法(MS-PPO/MS-SAC),将机器人拓扑图与形态对称性诱导的置换及符号变化显式结合,构建等变动作均值与不变评论家网络。该方法在宇树 Go2 和 G1 上实现了最低的跟踪误差、最高的仿真回报以及零样本仿真到现实部署能力,且参数量显著减少。
推荐理由
提出形态对称图表示方法,在宇树 Go2 和 G1 上实现更低跟踪误差与最高仿真回报,且参数量显著减少。
来源:arXiv · 机器人与计算机视觉 · arxiv.org