跳到正文
热点事件持续更新

热感知强化学习让四足机器人从温控受限转为电量受限

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Raphaël Ségas 等提出一种无需直接观测温度的强化学习方法,通过构建 RC 热网络模型预测电机温度并优化奖励函数以降低稳态温度。该方法在 Unitree Go2 四足机器人上验证,使 5kg 负载下的持续运动时间从因过热关机的 19 分钟提升至电池耗尽的 174 分钟,成功将机器人的运动限制因素由温控转为电量。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    从温度受限到电池受限:腿部运动策略研究

    针对腿式机器人因关节电机过热导致运动中断的问题,本文提出一种无需直接观测温度的强化学习方法。通过构建 13 节点集总 RC 热网络模型预测电机温度,设计奖励函数驱动策略降低最高稳态温度。实验在 Unitree Go2 四足机器人上验证,该方法将 5kg 负载下的持续运动时间从 19 分钟(热关机)提升至 174 分钟(电池耗尽),实现了从热受限到电池受限的转变。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月18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。