💡
原文中文，约5100字，阅读约需12分钟。
📝
内容提要
HOVER是一个仅有1.5M参数的通用人形机器人控制器，灵感源自人类潜意识，能够有效执行多种运动。它通过强化学习和统一命令空间设计，实现多模态控制，展现出优越的泛化能力和在真实场景中的鲁棒性。
🎯
关键要点
-
HOVER是一个仅有1.5M参数的通用人形机器人控制器，灵感源自人类潜意识。
-
HOVER能够有效执行多种运动，展现出优越的泛化能力和在真实场景中的鲁棒性。
-
HOVER的设计灵感来自人类在行走和保持平衡时的潜意识计算。
-
HOVER使用NVIDIA Isaac进行训练，能够在零样本情况下迁移到真实世界。
-
HOVER可以接收多种高级运动指令，包括头部和手部姿势、全身姿势等。
-
HOVER的训练采用基于目标的强化学习，使用近端策略优化算法最大化累积奖励。
-
HOVER的命令空间设计旨在满足通用性和原子性，适应多种场景和任务。
-
HOVER的运动控制策略通过重定向人类运动数据集来增强稳健性。
-
HOVER在实验中展现出优越的泛化能力，超越了之前的专家控制器。
-
HOVER在真实世界的测试中表现出色，能够平滑地在不同模式之间切换。
❓
延伸问答
HOVER是什么类型的机器人控制器？
HOVER是一个仅有1.5M参数的通用人形机器人控制器。
HOVER的设计灵感来源于什么？
HOVER的设计灵感来自人类的潜意识，特别是在行走和保持平衡时的计算。
HOVER如何实现多模态控制？
HOVER通过统一命令空间设计和强化学习来实现多模态控制。
HOVER在真实世界中的表现如何？
HOVER在真实世界的测试中表现出色，能够平滑地在不同模式之间切换。
HOVER的训练方法是什么？
HOVER的训练采用基于目标的强化学习，使用近端策略优化算法最大化累积奖励。
HOVER的命令空间设计有什么特点？
HOVER的命令空间设计旨在满足通用性和原子性，适应多种场景和任务。
➡️
