#31 · 主分类: 机器人仿真与具身智能模拟

ASAP

humanoid reinforcement-learning robotics

[RSS 2025] 'ASAP:对齐仿真与现实物理,以学习敏捷人形全身技能'

项目最后更新:01/06/26

GitHub Stars

2.1K

Forks数量

196

贡献者数量

4

许可证

MIT

收录理由

如果你正在训练足式或人形机器人,并希望它们真正跑得敏捷、跳得利落,ASAP 是一份值得反复研读的参考实现。它直面 sim-to-real 的差距问题,思路是把基于相位的运动跟踪策略和一个学习得到的“增量动作”模型搭配起来——后者专门用来修正仿真与真实物理之间的偏差,随后再用这个修正去微调策略本身。仓库里两阶段的完整训练流程都齐备,还附带一条动作重定向的工作流,能把 SMPL/AMASS 格式的人体运动适配到任意人形机器人模型上。它运行在 IsaacGym、IsaacSim/IsaacLab 和 Genesis 之上,意味着你需要自己先搭好仿真环境,而不是由它替你提供。代码组织围绕可复现实验展开,论文、项目主页和演示视频也都一并给出,方便你对照理解。

相关文章

暂无针对该项目的文章。

如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。

同类热门项目