地瓜机器人推出WM-LOCO方案

盖世具身智能获悉近日,地瓜机器人宣布推出面向人形机器人复杂地形行走的WM-LOCO方案,首次将预测世界模型与PPO强化学习策略进行端到端联合训练。该方案旨在提升机器人在落脚受限地形中的连续行走与决策能力。 在技术实现上,WM-LOCO不依...

盖世具身智能获悉 近日,地瓜机器人宣布推出面向人形机器人复杂地形行走的WM-LOCO方案,首次将预测世界模型与PPO强化学习策略进行端到端联合训练。该方案旨在提升机器人在落脚受限地形中的连续行走与决策能力。

在技术实现上,WM-LOCO不依赖落脚点标注、教师蒸馏或多模块串行流程,实现从视觉输入到关节控制指令的一步到位训练。其循环世界模型结合机载深度图像、本体感知信息和动作历史,学习动作如何影响后续的身体状态与视觉观测。世界模型形成的预测内部特征直接参与控制,使行走策略能够协调身体运动与落脚位置,无需先展开多步未来预测再搜索最优方案。

在相同感知输入和训练预算下,加入世界模型后,机器人在梅花桩、沟壑和独木桥场景中的通过能力显著提升。仿真环境中,面对梅花桩、楼梯、沟壑和独木桥四种离散稀疏地形,WM-LOCO通过率接近100%。同一套训练权重零样本部署至Unitree G1真机后,在四类地形上各进行10次测试,总体成功率达到92.5%,并成功完成跨越0.8米宽沟壑以及通过10厘米宽独木桥等挑战。

目前,该方案已在旭日S600计算平台上完成公开现场实时演示,验证了算法在真实传感器噪声和物理环境下的稳定性与工程可靠性。相关技术论文与项目主页已对外发布。

郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。

(来源:科技创新网)
免责声明:本文内容来源于第三方或整理自互联网,本站仅提供展示,不拥有所有权,不代表本站观点立场,也不构成任何其他建议,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容,不承担相关法律责任。如发现本站文章、图片等内容有涉及版权/违法违规或其他不适合的内容, 请及时联系我们进行处理。

相关推荐