STRIDE：基于加速度奖励的人形机器人运动学习
热点事件持续更新
STRIDE：基于加速度奖励的人形机器人运动学习
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
2026年11月9日，arXiv Robotics 报道了 Nico Bohlinger 与 Jan Peters 提出的 STRIDE 人形机器人行走学习方法。该方法仅依赖机载惯性测量单元（IMU），用跟随指令加速度曲线替代基座速度跟踪作为奖励，并结合 off-policy 强化学习算法 XQC、关节位置控制器高增益设置与左右对称增强。报道称，在仿真中，该方法让 Unitree G1 和 Booster T1 在 14 分钟样本内学会行走；相比缺少高增益设置与左右对称增强这两项组件的情况，训练中跌倒减少 81%，而后者需超过一小时才能学会。上述结果均为仿真环境中的报道，尚未提及真实机器人部署或更广泛场景的验证。
AI 根据报道生成 · 12 小时前更新
最新进展11月9日 13:00
STRIDE：用加速度奖励在数分钟内学会人形机器人行走报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv RoboticsSTRIDE：用加速度奖励在数分钟内学会人形机器人行走
STRIDE 提出一种仅依赖机载 IMU 的人形机器人行走学习方法，用跟随指令加速度曲线替代基座速度跟踪作为奖励。它结合 off-policy RL 算法 XQC、关节位置控制器高增益设置与左右对称增强，在仿真中让 Unitree G1 和 Booster T1 在 14 分钟样本内学会行走。相比缺少这两项组件的情况，训练中跌倒减少 81%，而后者需超过一小时才能学会。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月9日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月10日
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。