CrossBFM 蒸馏出适用于多种人形机器人的共享潜在行为空间
CrossBFM 在多种人形机器人之间迁移共享的潜在行为空间。该方法利用不同机器人身体之间的逐帧动作对应关系，在不到一小时的 GPU 时间内蒸馏出这一空间，随后通过传统 PPO 训练由潜在表示驱动的全身控制器。三种人形机器人的测试显示，该方法可迁移到动作跟踪、目标姿势到达和奖励优化任务。在未参与训练、形态相似的机器人上，动作跟踪性能达到已知机器人表现的最高 89%。研究还在真实机器人上验证了整套流程。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。