ETH苏黎世发布ADAPT机器人控制框架
热点事件持续更新
ETH苏黎世发布ADAPT机器人控制框架
2 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
ETH苏黎世团队发布ADAPT框架，以50Hz根据文本指令实时控制人形机器人全身运动，并获CoRL 2026接收。该方案采用端到端闭环扩散动作先验，直接生成并执行动作，而非先生成动作再交由跟踪器。 ADAPT包括数据集构建、扩散技能先验预训练、残差动作修正和任务条件先验引导四个阶段：先利用带文本标签的动作轨迹训练扩散Transformer，再通过残差强化学习应对指令切换，并用Noise Steering RL引导特定运动风格。代码即将开源。
AI 根据报道生成 · 1 小时前更新
最新进展11月3日 18:16
ETH 苏黎世发布 ADAPT 框架：文本指令实时控制人形机器人事件进展
2 个进展
- 11月3日 18:16 · 1 篇报道ETH苏黎世发布ADAPT框架AGI Hunt：ETH 苏黎世发布 ADAPT 框架：文本指令实时控制人形机器人
- 11月3日 18:16 · 1 篇报道拆解ADAPT具身控制流水线AGI Hunt：ADAPT 技术拆解：扩散 Transformer + 残差 RL 的四阶段流水线
报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- AGI HuntETH 苏黎世发布 ADAPT 框架：文本指令实时控制人形机器人
ETH 苏黎世团队发布端到端闭环的 ADAPT 框架，以 50Hz 根据文本指令实时控制人形机器人全身运动。该框架使用扩散动作先验，区别于先生成动作再交由跟踪器的主流管线，并入选 CoRL 2026。
- AGI HuntADAPT 技术拆解：扩散 Transformer + 残差 RL 的四阶段流水线
ADAPT 以四阶段流水线实现人形机器人的实时语言控制，依次完成动作轨迹数据集构建、扩散技能先验预训练、残差动作修正和任务条件先验引导。该方案结合 CLP、Diffusion Transformer Decoder、残差 RL 与 Noise Steering RL，由 ETH Zurich 的 Yan Wu 等人完成并获 CoRL 2026 接收，代码即将开源。
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。