四足动物运动的神经电路结构先验
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了四足动物运动中传统学习方法缺乏有效先验的问题。通过生物启发的人工神经网络架构，基于哺乳动物肢体和脊髓的神经电路，我们展示了这一架构在运动初始表现良好、最终表现可与全连接MLP相媲美的同时，所需数据更少、参数显著减少。研究结果表明，神经电路可以为运动提供有价值的结构先验，推动未来在其他感觉运动技能方面的研究。
受动物运动控制启发，我们开发了一种单一运动策略，通过调节中央模式发生器的频率和振幅来控制多种四足机器人。该策略通过调整步幅参数适用于不同机器人。在Unitree Go1和A1机器人上测试显示，即使负载增加125%也能良好运行。
