热感知强化学习让四足机器人从温控受限转为电量受限
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
最新进展11月18日 13:00
从温度受限到电池受限:腿部运动策略研究报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- 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
- –
02.557.510
14:0016:0018:0020:0022:0011月19日02:00
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。