18video性欧美19sex,欧美高清videosddfsexhd,性少妇videosexfreexxx片中国,激情五月激情综合五月看花,亚洲人成网77777色在线播放

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

BeamDojo:人形機器人稀疏地形運動控制的革命性突破

eeDesigner ? 2025-02-27 09:40 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

引言:從“蹣跚學步”到“凌波微步”

人形機器人在復雜地形中的運動控制曾是行業(yè)“阿喀琉斯之踵”。傳統(tǒng)方法依賴預編程規(guī)則,面對動態(tài)環(huán)境(如地震廢墟、建筑工地)時,機器人常因缺乏自適應能力而“舉步維艱”。BeamDojo框架的出現(xiàn)改寫了這一局面——通過強化學習(RL)與多模態(tài)感知的深度融合,宇樹科技G1機器人已能實現(xiàn)“梅花樁上打太極”“平衡木疾走”等高難度動作。本文將從 技術細節(jié)場景還原開發(fā)者視角三維度展開解析。

下載Paper

BeamDojo: Learning Agile Humanoid Locomotion on Sparse Footholds
*附件:BeamDojo.pdf

技術原理:四重創(chuàng)新構建“地形征服者”

圖片.png
圖片.png

1. 兩階段強化學習:從仿真到現(xiàn)實的“基因突變”

BeamDojo的訓練策略如同“先學走,再學飛”:

  • 階段一(仿真預訓練) :在虛擬平坦地形中,機器人通過PPO算法學習基礎步態(tài)與平衡,同步通過LiDAR模擬器構建復雜地形的幾何特征庫。此階段引入 課程學習(Curriculum Learning) ,逐步增加地形復雜度,避免策略陷入局部最優(yōu)。
  • 階段二(現(xiàn)實遷移) :將預訓練模型部署至真實環(huán)境,結合實時LiDAR點云數(shù)據(jù)動態(tài)調整策略。通過**領域隨機化(Domain Randomization)**技術,訓練效率提升300%,真實場景試錯成本降低70%。
# 示例:BeamDojo的獎勵函數(shù)設計(偽代碼)  
reward = 0  
if foot_contact:  
    reward += 1.5 * (1 - abs(foot_position_error))  # 精準落腳獎勵(誤差< 2cm時獎勵最大)  
reward -= 0.2 * abs(body_tilt_angle)  # 姿態(tài)穩(wěn)定懲罰(傾斜角 >15°時觸發(fā)強懲罰)  
reward += 0.1 * (1 - action_jerkiness)  # 動作平滑性獎勵,避免機械抖動

2. 多模態(tài)感知:LiDAR構建“地形大腦”

通過64線LiDAR以20Hz頻率掃描環(huán)境,BeamDojo生成實時三維地形圖(精度達±3mm)。結合語義分割技術,機器人可區(qū)分“安全區(qū)域”“危險邊緣”與“動態(tài)障礙”。例如,在模擬化工廠巡檢場景中,G1能識別管道裂縫(寬度>5mm)并自動標記為危險區(qū)域。

3. 創(chuàng)新硬件設計:多邊形足部與動態(tài)平衡

  • 仿生足部結構 :六邊形接觸面設計,邊緣嵌入碳纖維抓地齒,適應不規(guī)則支撐點,摩擦力提升40%。足底壓力傳感器(采樣率1kHz)實時反饋觸地狀態(tài),確保亞毫米級定位精度。
  • “大小腦”協(xié)同控制
    • 大腦(大模型) :基于Transformer的決策模型,接收LiDAR點云與視覺輸入,生成“跨越障礙→調整步頻→保持負載平衡”的分步指令。
    • 小腦(RL模型) :輕量化SAC算法控制關節(jié)扭矩,響應延遲低于50ms,即使遭遇突發(fā)側風(風速≤5m/s)也能保持穩(wěn)定。

場景還原:G1的“極限挑戰(zhàn)”實錄

案例1:平衡木上的“少林功夫”

在2025年CES展會上,G1機器人展示了震撼全場的**“平衡木太極”**:

  • 硬件表現(xiàn) :在寬僅20cm的橫梁上,G1以0.8m/s速度持續(xù)運動10分鐘,足部定位誤差<1.5cm,甚至完成“單腿站立30秒”特技。
  • 算法細節(jié) :RL策略動態(tài)調整髖關節(jié)角度(±5°容差),LiDAR實時監(jiān)測橫梁形變(因負載導致的微米級彎曲)并補償姿態(tài)。

案例2:工業(yè)巡檢的“超級哨兵”

部署于某核電站的G1機器人,執(zhí)行管道巡檢任務時展現(xiàn)驚人能力:

  • 環(huán)境適應 :在寬度30cm的蒸汽管道上,攜帶5kg檢測設備連續(xù)工作2小時,成功識別3處焊縫裂紋(準確率98.7%)。
  • 應急響應 :遭遇突發(fā)蒸汽泄漏時,G1在0.2秒內規(guī)劃出避障路徑,通過“之字形步態(tài)”快速撤離危險區(qū)。

開發(fā)者視角:從代碼到落地的“最后一公里”

**工程師張磊(化名)**在GitHub社區(qū)分享經驗:

“BeamDojo的落地絕非易事。我們曾在真實地形訓練中遭遇‘獎勵稀疏’問題——機器人因長期無法獲得正反饋而‘躺平’。最終通過引入 好奇心驅動(Curiosity-driven)機制 ,鼓勵探索未知區(qū)域,才突破瓶頸。此外,LiDAR點云數(shù)據(jù)的噪聲處理耗費了團隊兩周時間,最終采用動態(tài)濾波算法才解決誤檢問題。”


未來展望:大模型驅動的“具身智能革命”

BeamDojo的突破標志著人形機器人進入“智能進化快車道”:

  • 技術融合 :與Figure AI的Helix大模型結合,未來或實現(xiàn)“語音指令→動作生成”的端到端控制。例如,用戶說“去三樓取文件”,機器人自動規(guī)劃路徑并調整步態(tài)適應樓梯寬度。
  • 市場爆發(fā) :據(jù)預測,2025年全球人形機器人市場規(guī)模將突破300億美元,BeamDojo類技術成核心驅動力。宇樹科技已與特斯拉、波士頓動力展開技術授權談判。

詳細參考論文:

地址:
https://why618188.github.io/beamdojo/

Abstract

Traversing risky terrains with sparse footholds poses a significant challenge for humanoid robots, requiring precise foot placements and stable locomotion. Existing approaches designed for quadrupedal robots often fail to generalize to humanoid robots due to differences in foot geometry and unstable morphology, while learning-based approaches for humanoid locomotion still face great challenges on complex terrains due to sparse foothold reward signals and inefficient learning processes. To address these challenges, we introduce BeamDojo, a reinforcement learning (RL) framework designed for enabling agile humanoid locomotion on sparse footholds. BeamDojo begins by introducing a sampling-based foothold reward tailored for polygonal feet, along with a double critic to balancing the learning process between dense locomotion rewards and sparse foothold rewards. To encourage sufficient trail-and-error exploration, BeamDojo incorporates a two-stage RL approach: the first stage relaxes the terrain dynamics by training the humanoid on flat terrain while providing it with task terrain perceptive observations, and the second stage fine-tunes the policy on the actual task terrain. Moreover, we implement a onboard LiDAR-based elevation map to enable real-world deployment. Extensive simulation and real-world experiments demonstrate that BeamDojo achieves efficient learning in simulation and enables agile locomotion with precise foot placement on sparse footholds in the real world, maintaining a high success rate even under significant external disturbances.

Framework

圖片.png

**(a) Training in Simulation. **BeamDojo incorporates a two-stage RL approach.

  • In stage 1, we let the humanoid robot traverse flat terrain, while simultaneously receiving the elevation map of the task terrain. This setup enables the robot to "imagine" walking on the true task terrain while actually traversing the safer flat terrain, where missteps do not lead to termination.
  • Therefore, during stage 1, proprioceptive and perceptive information, locomotion rewards and the foothold reward are decoupled respectively, with the former obtained from flat terrain and the latter from task terrain. The double-critic module separately learns two reward groups.
  • In stage 2, the policy is fine-tuned on the task terrain, utilizing the full set of observations and rewards. The double-critic module undergoes a deep copy.

**(b) Deployment. **The robot-centric elevation map, reconstructed using LiDAR data, is combined with proprioceptive information to serve as the input for the actor.

Related Links

Many excellent works inspire the design of BeamDojo.

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 人形機器人
    +關注

    關注

    7

    文章

    826

    瀏覽量

    18128
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    人形機器人感知革命!創(chuàng)新形態(tài)機器視覺傳感器涌現(xiàn)

    ? 電子發(fā)燒友網報道(文/梁浩斌)人形機器人運動能力,已經進入了“軍備競賽”階段,各家紛紛展出自家機器人的行走、跳舞,甚至空翻等能力,并不斷用新的動作刷新人們對于
    的頭像 發(fā)表于 04-05 05:10 ?2730次閱讀
    <b class='flag-5'>人形</b><b class='flag-5'>機器人</b>感知<b class='flag-5'>革命</b>!創(chuàng)新形態(tài)<b class='flag-5'>機器</b>視覺傳感器涌現(xiàn)

    最新發(fā)布!泰科機器人發(fā)布首款自研雙足人形機器人

    泰科機器人憑借十多年的技術積淀與持續(xù)創(chuàng)新,已成功推出多款高性能人形機器人四肢的解決方案。今天,泰科機器人再次迎來重大突破——首款自主研發(fā)的雙
    的頭像 發(fā)表于 09-02 14:34 ?2551次閱讀
    最新發(fā)布!泰科<b class='flag-5'>機器人</b>發(fā)布首款自研雙足<b class='flag-5'>人形</b><b class='flag-5'>機器人</b>

    突破人形機器人控制器性能瓶頸:高效穩(wěn)定的電容器解決方案

    人形機器人的精密世界中,每一個微小的部件都承擔著重要的角色。控制器,作為機器人的“大腦”,其穩(wěn)定性和可靠對于整個系統(tǒng)的性能至關重要。
    的頭像 發(fā)表于 08-30 10:56 ?210次閱讀
    <b class='flag-5'>突破</b><b class='flag-5'>人形</b><b class='flag-5'>機器人</b><b class='flag-5'>控制</b>器性能瓶頸:高效穩(wěn)定的電容器解決方案

    機器人競技幕后:磁傳感器芯片激活 “精準感知力”

    2025 世界人形機器人運動會于 8 月 17 日圓滿收官,賽場上機器人在跑步、跳躍、抓取等項目中的精彩表現(xiàn),背后是運動
    發(fā)表于 08-26 10:02

    Robrain V2.0正式登場:落地人形機器人,引爆智能進化革命

    當AI機器人能精準捕捉指令意圖,靈活響應多種交互方式,甚至能區(qū)分不同音色,一場跨越“工具”與“伙伴”的革命性進化,正由移遠RobrainAI機器人解決方案V2.0版本拉開序幕。目前,該方案已在
    的頭像 發(fā)表于 08-25 19:03 ?1026次閱讀
    Robrain V2.0正式登場:落地<b class='flag-5'>人形</b><b class='flag-5'>機器人</b>,引爆智能進化<b class='flag-5'>革命</b>

    人形機器人運動會秀出科技新高度,模擬芯片助力具身智能發(fā)展

    8月14日至17日,2025世界人形機器人運動會在北京國家速滑館(“冰絲帶”)成功舉行。這是全球首個以人形機器人為參賽主體的綜合
    的頭像 發(fā)表于 08-22 14:49 ?1326次閱讀
    <b class='flag-5'>人形</b><b class='flag-5'>機器人</b><b class='flag-5'>運動</b>會秀出科技新高度,模擬芯片助力具身智能發(fā)展

    提升人形機器人運動能力,需要把控運動關節(jié)哪些關鍵參數(shù)?

    電機、減速器、絲杠則是人形機器人關鍵運動的關鍵組成部件。因此在生產制造中,如何精確控制這三大零部件的關鍵尺寸與參數(shù),成為首要課題。
    的頭像 發(fā)表于 07-01 17:34 ?1028次閱讀
    提升<b class='flag-5'>人形</b><b class='flag-5'>機器人</b><b class='flag-5'>運動</b>能力,需要把控<b class='flag-5'>運動</b>關節(jié)哪些關鍵參數(shù)?

    ADI如何重塑人形機器人運動核心

    在具身智能領域,人形機器人無疑是最值得期待的產品類別,有著更高的市場熱度和更大的發(fā)展?jié)摿ΑH欢?,要釋?b class='flag-5'>人形機器人的市場潛力,研發(fā)企業(yè)仍需攻克一系列挑戰(zhàn),涉及定位、感知、連接、
    的頭像 發(fā)表于 05-30 10:03 ?1611次閱讀
    ADI如何重塑<b class='flag-5'>人形</b><b class='flag-5'>機器人</b><b class='flag-5'>運動</b>核心

    人形機器人火爆背后,先楫半導體解構運動控制芯片進化密碼

    。近年來,全球人形機器人產業(yè)規(guī)模持續(xù)擴大,預計未來十年將繼續(xù)保持高速增長的趨勢。 作為國產高性能RISC-V內核MCU芯片設計企業(yè),先楫半導體的產品涵蓋微控制器芯片及其解決方案,已貫通從感知、通訊到
    發(fā)表于 05-07 16:40 ?3939次閱讀
    <b class='flag-5'>人形</b><b class='flag-5'>機器人</b>火爆背后,先楫半導體解構<b class='flag-5'>運動</b><b class='flag-5'>控制</b>芯片進化密碼

    EtherCAT科普系列(4):EtherCAT技術在人形機器人靈巧手領域應用

    人形機器人又稱仿生機器人,是一種模仿人類外形的機器人,除具備人形和模擬人類動作外還兼具智慧化和可交互
    的頭像 發(fā)表于 04-02 16:56 ?2120次閱讀
    EtherCAT科普系列(4):EtherCAT技術在<b class='flag-5'>人形</b><b class='flag-5'>機器人</b>靈巧手領域應用

    突破人形機器人控制器性能瓶頸:高效穩(wěn)定的電容器解決方案

    人形機器人的精密世界中,每一個微小的部件都承擔著重要的角色。控制器,作為機器人的“大腦”,其穩(wěn)定性和可靠對于整個系統(tǒng)的性能至關重要。
    發(fā)表于 03-25 14:33 ?698次閱讀
    <b class='flag-5'>突破</b><b class='flag-5'>人形</b><b class='flag-5'>機器人</b><b class='flag-5'>控制</b>器性能瓶頸:高效穩(wěn)定的電容器解決方案

    短訊:全球首個!人形機器人技術新突破

    機器人起身站立的控制技術一直存在很多難題,據(jù)央視報道,近期,上海人工智能實驗室和上海交通大學發(fā)布算法技術,使人形機器人在可泛化地形上快速穩(wěn)定
    的頭像 發(fā)表于 02-26 15:01 ?951次閱讀

    德州儀器解析人形機器人中的電機控制

    從科幻走入現(xiàn)實,人形機器人正經歷一場靜默而深刻的技術革命:更高效的能源控制、更精準的運動算法、更高速的通信架構、更智能的環(huán)境感知能力....
    的頭像 發(fā)表于 02-24 17:14 ?2433次閱讀
    德州儀器解析<b class='flag-5'>人形</b><b class='flag-5'>機器人</b>中的電機<b class='flag-5'>控制</b>

    GaN FET在人形機器人中的應用

    從科幻走入現(xiàn)實,人形機器人正經歷一場靜默而深刻的技術革命:更高效的能源控制、更精準的運動算法、更高速的通信架構、更智能的環(huán)境感知能力....
    的頭像 發(fā)表于 02-19 17:46 ?1842次閱讀
    GaN FET在<b class='flag-5'>人形</b><b class='flag-5'>機器人</b>中的應用

    伺服電動缸在人形機器人中的應用

    顯著提升了人形機器人的性能和可靠。例如,在靈巧手部位,伺服電動缸的集成使得每根手指都能實現(xiàn)精準的運動控制,從而提高了抓取和操作的精度。此外
    發(fā)表于 02-06 09:04