人形机器人感知跑酷框架Hiking in the Wild提出

Shaoting Zhu等作者提交论文，提出面向人形机器人的可扩展端到端感知跑酷框架Hiking in the Wild。该框架将深度输入与本体感知直接映射为关节动作，无需外部定位与建图。 论文称，框架引入Terrain Edge Detection结合Foot Volume Points的落脚安全机制，并采用Flat Patch Sampling策略缓解reward hacking。上述机制均为作者在论文中的描述。

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。