外观
新闻IEEE Spectrum Robotics1 个月前
ReST-RL实现G1零样本负载稳态，CMU APEX赋能人形自适应避障
SteadyTr发布ReST-RL分层强化学习架构，在Unitree G1上实现零样本Sim-to-Real负载稳定；CMU推出APEX系统支持人形机器人全身自适应避障；Agility Digit演示动态拖拽沙发，验证非结构化环境操作能力。
宇树 G1
Agility Digit本文由 AI 根据公开内容整理，可能有误，请以原文为准：Video Friday: Digit Redecorates（IEEE Spectrum Robotics）
核心内容
SteadyTr团队提出ReST-RL分层强化学习架构，解决双足机器人在非结构化环境中搬运未固定负载时的振荡难题。该方法将运动控制与负载稳定显式解耦，已在Unitree G1硬件上成功部署，实现对多种物体及外部扰动的零样本Sim-to-Real泛化。同期，CMU Safe AI Lab发布APEX系统，使人形机器人能通过全身自适应机动规避障碍，摆脱预设动作编排限制。Agility Robotics则展示了Digit机器人动态拖拽沙发的能力，验证了其在家庭场景下的重负载操作稳定性。
技术层面，ReST-RL采用模块化分层设计，底层负责步态生成，上层专注负载姿态补偿，无需针对新物体重新训练即可迁移。CMU APEX系统基于实时感知反馈规划全身关节轨迹，支持在非平坦地形中自主调整重心与肢体构型以通过狭窄空间。此外，东京大学为Musashi-W仿人机器人开发三层仿生皮肤，集成44个压感与拉伸传感单元，模拟人类关节本体感觉；北卡州立大学研制光驱液态晶体弹性体软体机器人，利用红外光触发扭转储能实现连续跳跃，为无系留微型机器人提供新驱动范式。
关键看点
- ReST-RL架构：分层RL解耦 locomotion 与 payload stabilization，在 Unitree G1 上实现零样本 Sim-to-Real 负载稳定迁移
- APEX自适应导航：CMU系统支持人形机器人全身机动避障，替代预编排动作，提升非结构化环境通行鲁棒性
- 仿生关节皮肤：Musashi-W 集成44单元压拉传感器，三层结构模拟人体皮肤本体感觉反馈机制
- 光驱软体跳跃：NC State 液滴形 LCE 机器人利用红外光触发扭转储能，实现持续无系留弹跳运动
工程与产业观察
ReST-RL与APEX分别从负载稳定与全身规划切入，推动人形机器人从受控演示走向开放环境自主作业。G1平台上的零样本迁移验证了分层RL在具身任务中的工程可行性，而仿生皮肤与光驱软体等基础研究则为下一代感知与驱动提供新路径，标志具身智能正从单一技能向多模态环境适应演进。
来源
本页事实对应的公开页面，以原文为准。