ForgetMimic: Motion Unlearning for Reinforcement Learning Humanoid Control
本文关注强化学习(RL)人形机器人控制中的「运动遗忘」问题。近年来,借助人类动捕示范数据训练的策略已能让实体人形机器人完成多样化、敏捷且自然的运动(如舞蹈、格斗、翻腾等)。然而,一旦这些策略训练完成,如何从已学习的策略中定向「抹除」某几类特
共收录 4 条相关情报。
← 返回所有主题本文关注强化学习(RL)人形机器人控制中的「运动遗忘」问题。近年来,借助人类动捕示范数据训练的策略已能让实体人形机器人完成多样化、敏捷且自然的运动(如舞蹈、格斗、翻腾等)。然而,一旦这些策略训练完成,如何从已学习的策略中定向「抹除」某几类特
该论文聚焦具身网络物理系统(embodied cyber-physical systems)在遭受主动网络攻击时的物理安全风险,指出一个被现有安全体系忽视的关键缺口:当前方法擅长"检测"攻击,却缺少运行时机制去判断"这次扰动是否可容忍"
本文研究了ROS2(机器人操作系统2)的安全性。ROS是机器人应用研发的主流平台,但缺乏安全特性且分布式计算效率低。ROS2通过集成数据分发服务(DDS)来解决这些问题,期望为可信机器人生态系统奠定基础。然而,论文标题暗示ROS2的安全机制
该论文研究了大型视觉语言模型(LVLM)在机器人系统中可能存在的“过度思考”行为,即模型生成过长的推理链,导致推理时间显著增加。这种过度思考行为可以被攻击者利用,通过在机器人感知的视觉场景中嵌入精心构造的、人类可读的场景文本,来触发过度思考