10月3日，他报告说，亚马逊远，麻省理工学院，加州大学伯克利分校，斯坦福大学，卡内基·梅隆大学和其他大学本周发布了最新的研究结果。根据研究人员发表的示范视频，Yushu G1类人生物机器人完成了由本体感受策略完全驱动的复杂长范围动态序列（不需要视觉/骑手）。在执行任务时，USHU G1机器人坐在桌子上，作为踏板上升，跳跃以进行类似于Parkour的tumly速率动作，以缓冲降落。 OmnireTarget是一种基于交互式网络的交互式保留数据生成引擎，该网络明确模拟并明确存储了操作的代理，土地和对象之间的重要空间和接触关系。通过在应用电影限制的同时，通过将拉普拉斯在人类和机器人网络之间的变形最小化，OmnireTarget会产生摄影可行的轨迹。研究人员通过重新定位多个数据集的运动，在9小时内生成轨迹，并高于基线的轨迹，可以全面地评估Omnire目标，该轨迹超过了基线，该轨迹被广泛用于膜限制和触点保留。这些数据允许本体感受的增强学习策略成功地在类人型机器人YSHU G1中成功执行跑酷和长时间电动机（长达30秒）的操作技巧，仅使用五个奖励元素和所有任务中共享的简单域，而无需学习课程。该团队发布了几个示范案例，包括攀爬桌，攀爬，跳到小型，原始的盒子和更多盒子。此外，OmnireTarget允许您以各种样式移动机器人，包括八个不同盒子的移动动作。 SE已经发布了研究工作和数据集，该代码将来将在未来发布。附加研究页面的地址：
特别声明：以前的公司ntent（包括照片和视频（如果有））基于“ NetEase”自动媒体平台。该平台仅提供信息存储服务。
注意：以前的内容（如果您有照片或视频）将由社交媒体平台NetEase Hao的用户收取和发布，仅提供信息存储服务。