北京通用人工智能研究院通用人工智能协同攻关合作体人才培养计划的联培博士生们推出了一项新技术，让北京通用人工智能研究院的人形机器人能够玩转“极限运动”。3月6日，该研究院发布了一个名为“通极”的下一代人形机器人通用运动框架。部署全新运动框架后，这个机器人就能完成后空翻、托马斯全旋和武术踢击在内的数十种高动态动作。黄思远，北京通用人工智能研究院具身机器人中心主任，详细介绍了这一进展。传统强化学习从零开始训练统一策略，而这次提出的“通极”框架需要两个阶段的学习。为了提高运动框架在真实机器人上的可执行性，研究团队先为不同动作训练专门的“专家策略”，然后引入考虑了真实电机物理特性的强化学习。 这些年轻研究者为北京通用人工智能研究院的人才培养计划做出了重要贡献。他们带着解决问题的视角来到通研院，接受了从研究到应用的闭环训练，在真实机器人平台上完成了国际前沿水平的研究工作。 测试数据表明，这套方法在多种高动态动作任务上取得了超过90%的成功率。这个成果给未来更加复杂的机器人技能学习奠定了基础。以往机器人完成高动态、高协调性复杂动作一直是个难题，而现在把强化学习应用到广泛领域已经成为可能。 北京发布的这项新技术能给人形机器人玩极限运动。完成翻腾、倒立和霹雳舞等高动态动作已经不再是难事。这个创新把人形机器人技术推进到一个新高度。北京通用人工智能研究院具身机器人中心主任黄思远把这个成果归功于年轻研究者们的努力。 北京通用人工智能研究院发布的“通极”框架把多种高动态任务成功率提高到90%以上，并且给未来更加复杂的机器人技能学习提供了坚实基础。黄思远认为这一进展得益于两个阶段的学习过程：专门训练“专家策略”和引入考虑了真实电机物理特性的强化学习。 这些年轻研究者从研究到应用进行了闭环训练，在真实机器人平台上完成了具有国际前沿水平的研究工作。北京通用人工智能研究院通用人工智能协同攻关合作体人才培养计划的联培博士生们给这个创新项目注入了活力。 这次发布的“通极”框架让北京通用人工智能研究院在人形机器人领域迈出了重要一步。研究团队通过把两个阶段的学习相结合来提升运动框架在真实机器人上的可执行性。测试结果显示超过90%的成功率证明了这套方法的有效性。 黄思远带领团队先为不同动作训练专门的“专家策略”，然后引入考虑了真实电机物理特性的强化学习，从而提高了运动框架在真实机器人上的可执行性。这次技术突破给未来更加复杂的机器人技能学习打下了坚实基础。 年轻研究者们通过从研究到应用进行闭环训练，在真实机器人平台上完成了具有国际前沿水平的研究工作。他们把解决问题作为视角来到通研院，并接受从研究到应用的闭环训练。 北京发布这项新技术能给人形机器人玩极限运动带来巨大变化。3月6日发布的“通极”框架给高动态动作成功率提高到90%以上，并为未来更加复杂的技能学习奠定了基础。 这次发布让北京通用人工智能研究院具身机器人中心主任黄思远感到非常振奋。他们通过两个阶段学习结合专门“专家策略”和考虑电机物理特性强化学习提升了运动框架在真实机器上的可执行性。 年轻研究者们通过从研究到应用进行闭环训练并完成了具有国际前沿水平的研究工作给这个创新项目注入活力。这次突破证明了强化学习应用广泛领域成为可能并且给高动态动作成功率带来显著提升。