RSSM-RLPD让NAO机器人真实交互学会踢球
热点事件持续更新
RSSM-RLPD让NAO机器人真实交互学会踢球
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究者提出 RSSM-RLPD 方法，让 NAO 机器人不依赖动作捕捉或顶置摄像头，仅用机载无迹卡尔曼滤波（UKF）估计状态，通过真实交互学习踢球入门。该方法用 RSSM 学习状态表示，仅在观测到球时修正隐状态。 据作者报告，经过 30 分钟真实交互训练后，机器人可从多个起始位置进球，成功率达 100%，而前馈策略为 0%。仿真实验中，其成功率也高于行为克隆、前馈和 GRU 基线。
AI 根据报道生成 · 59 分钟前更新
最新进展10月15日 12:00
RSSM-RLPD：NAO 机器人无高质量状态估计下的真实交互强化学习报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIRSSM-RLPD：NAO 机器人无高质量状态估计下的真实交互强化学习
研究者提出 RSSM-RLPD，让 NAO 机器人仅靠机载无迹卡尔曼滤波（UKF）估计状态、无需动作捕捉或顶置摄像头，就能通过真实交互学习踢球入门。该方法用 RSSM 学习状态表示并仅在观测到球时修正隐状态，30 分钟真实交互后即可从多个起始位置进球，成功率达 100%，而前馈策略为 0%。仿真实验显示其成功率也高于行为克隆、前馈和 GRU 基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。