SOMA四足机器人全身堆叠物体操作框架

2026年10月16日，arXiv Robotics 报道了 SOMA——一个面向四足机器人的分层强化学习框架，用于多物体堆叠的全身非抓取式操作。该框架通过显式控制机身高度解锁三维推动策略：高层策略用 S5 编码器处理长时序历史，以 Beta 分布预测有界目标跟踪指令；低层运动策略动态调整腿部站姿。据该报道，在大量仿真基准中，SOMA 在 0.05 米位置误差、1 度姿态误差的严格容差下，单物体重定位成功率达 90.3%，动态双箱堆叠成功率最高达 90.1%。报道还称，研究在 Unitree Go1 四足机器人上验证了零样本仿真到现实迁移，覆盖不同负载质量与几何形状，并展示了在重载推动任务中主动调整机身高度以维持牵引力与平衡。上述数据与结论均来自该篇报道，尚无其他跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。