安全过滤器约束人形机器人策略
热点事件持续更新
安全过滤器约束人形机器人策略
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
斯坦福AI实验室团队在CoRL 2026发表论文，提出在强化学习策略外加入安全过滤器，约束人形机器人的运动学与动力学，无需重新训练底层策略。 论文称，该过滤器可处理训练中未遇到的约束，并对原有强化学习策略的干扰较小，从而在尽量保留动作性能的同时提升机器人安全性；该方案将在Austin CoRL Poster Session 2展示。
AI 根据报道生成 · 1 小时前更新
最新进展11月3日 12:54
斯坦福新论文：用安全过滤器约束人形机器人，无需重训 RL 策略报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- AGI Hunt斯坦福新论文：用安全过滤器约束人形机器人，无需重训 RL 策略
斯坦福 AI 实验室团队在 CoRL 2026 发表《Constrained Whole-Body Tracking for Humanoid Robots》，提出以安全过滤器强制人形机器人满足运动学与动力学约束。该方案可处理训练中从未遇到的约束，对底层 RL 策略干扰最小且无需重新训练，将在 Austin CoRL Poster Session 2 展示。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。