待验证50% 置信事实精确时间
现代人形机器人的运动能力很大程度上得益于强化学习在仿真环境中的大规模训练
1
来源数
50%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
待验证将人体动作映射到机器人的思路与机器人训练中的示范学习（Learning from Demonstration）逻辑相通79% 相似待验证四足机器人的自我恢复能力来自强化学习的sim-to-real训练范式，通过在仿真环境中摔倒数百万次学习平衡策略79% 相似已验证强化学习通过在仿真环境中海量试错学习运动技能，奖励函数包含能量效率等指标，使机器人动作趋向省力流畅，从而呈现拟人化特征79% 相似待验证强化学习和仿真到真实（sim-to-real）迁移被广泛应用于机器人控制领域78% 相似待验证视频驱动机器人学习相比手工设计步态的优势在于降低动作设计门槛、动作表现更自然、以及连接计算机视觉与机器人控制两大领域77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/915918API
curl https://kongchang.com/api/v1/knowledge/claims/915918MCP
get_claim(id=915918)