热点事件持续更新

SOMA：四足机器人分层强化学习实现非抓取多物体堆叠

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Bachoumas 与 Artemiadis 发布 SOMA 论文（arXiv:2610.20968），提出一种面向四足机器人整机非抓取操作的分层强化学习框架，通过显式基座高度控制实现三维推动，并维持多物体堆叠的整体稳定。基于论文摘要，该框架在模拟基准中单物体重定位成功率为 90.3%，严格误差阈值下动态双箱堆叠最高成功率为 90.1%。作者称在不同负载质量和几何形状的 Unitree Go1 四足机器人上完成了零样本 sim-to-real 验证，展示了重推动任务中的基座高度调整、牵引力与平衡维持。

AI 根据报道生成 · 4 小时前更新

最新进展10月16日 12:00

SOMA：使用四足机器人进行多物体堆叠的非抓取操作

报道时间线

沿着报道，了解事件的不同侧面。

10月16日

12:00
arXiv · cs.AI
SOMA：使用四足机器人进行多物体堆叠的非抓取操作
SOMA是一种面向四足机器人整机非抓取操作的分层强化学习框架，通过显式基座高度控制实现三维推动，并维持多物体堆叠的整体稳定。基于论文摘要，模拟基准中单物体重定位成功率为90.3%，严格误差阈值下动态双箱堆叠最高成功率为90.1%。作者还在不同负载质量和几何形状的Unitree Go1四足机器人上完成了零样本sim-to-real验证，展示了重推动任务中的基座高度调整、牵引力与平衡维持。

本事件热度走势

可比范围当前: 9
可比范围峰值: 910月16日 14:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。