首页 /研究 /FARO:可行性感知的机器人运动优化
LOCOMOTION

FARO:可行性感知的机器人运动优化

Michal Ciebielski, Shafeef Omar, Aaron Johnson, Majid Khadiv

发表年份
2026
访问权限
开放获取

摘要

本文提出了一种嵌套的运动-动力学框架,用于快速可行性检查和动态一致轨迹生成,结合可行性引导的树搜索和基于大语言模型的接触计划采样策略。实验表明,该框架能显著改善搜索过程,生成的轨迹可通过强化学习控制器跟踪,适用于真实世界的人形移动操作场景。

关键词

humanoid loco-manipulationfeasibility checkingtrajectory generationLLMreinforcement learning

相关论文

查看 LOCOMOTION 分类全部论文