量子位
·
波士顿动力狗gogo回来了！“五条腿”协同发力
💡
原文中文，约2500字，阅读约需6分钟。
📝
内容提要
波士顿动力的机器狗Spot通过动态全身操作结合采样与学习，能够在3.7秒内搬运15公斤的轮胎，展现出卓越的协调能力。该方法采用分层控制，优化了复杂任务中的机器人表现，超越了传统操作方式。
🎯
关键要点
- 波士顿动力的机器狗Spot能够在3.7秒内搬运15公斤的轮胎，展现出卓越的协调能力。
- 该方法结合采样与学习，采用分层控制优化机器人在复杂任务中的表现。
- 低层控制通过强化学习直接控制电机力矩，实现平衡与稳定性。
- 高层控制根据任务类型采用不同策略，使用基于采样的控制和强化学习来优化操作。
- 控制器通过并行模拟多个未来情境，寻找最有效的操作策略。
- 机器人在轮胎扶正任务中表现出色，几乎达到人类操作速度。
- 分层控制架构简化了控制问题，使高层控制器专注于任务完成，而无需处理复杂的低层动力学细节。
➡️
