LHM-Humanoid实现仿真人形免重置连续搬运

LHM-Humanoid研究团队提出一种面向物理仿真人形角色的长时程物体搬运控制方法，使角色能在一次不中断的执行中反复走向移位物体、抬起并越过障碍搬运，再放置到目标位置。 该方法通过学习释放—后撤行为，让角色放置物体后不扰动它，同时恢复为可执行下一轮搬运的状态。团队在四类房间的350个杂乱布局中评估了已见和未见场景；论文摘要称，其长时程运动的成功率和稳定性高于端到端强化学习、分层强化学习及既有物理人形—场景交互方法，但未提供具体数值。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。