CADENCE:基于强化学习的四足机器人无周期步态规划方法
热点事件持续更新
CADENCE:基于强化学习的四足机器人无周期步态规划方法
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
Mahdi Agheli 等人于 2026 年 11 月发布论文,提出 CADENCE 模型。该模型采用强化学习算法,每 40ms 在最多 65 个离散动作中进行决策,用于四足机器人的运动规划。 在无固定周期的 OCS2 仿真环境中,面对 26% 至 49% 的空隙地形,CADENCE 的成功率可达 85.1%,显著优于 OCS2-Trot(67.8%)及静态行走基线(39.6%)。
AI 根据报道生成 · 10 小时前更新
最新进展11月18日 13:00
CADENCE:学习无周期步态的模型基四足运动规划器报道时间线
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CADENCE:学习无周期步态的模型基四足运动规划器
该研究提出 CADENCE,一种基于强化学习的步态规划器,每 40ms 在最多 65 个离散动作中决策。在无固定周期的 OCS2 仿真环境中,面对 26% 至 49% 空隙地形,其成功率达 85.1%,显著优于 OCS2-Trot(67.8%)及静态行走基线(39.6%)。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月19日
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。