外部精选
软件工程
#开发者实时流研究团队用强化学习让5吨装载机完成高难度特技动作
来源标题:Heavy Metal Acrobatics
一项研究通过仿真强化学习并将策略迁移到现实,成功让John Deere 332G型5吨滑移装载机自主完成两轮平衡、崎岖地形行驶、旋转和铲斗摆动等高难度特技动作。这些动作此前仅有少数顶尖操作员在世界纪录表演中完成。该研究为解决重型机械自动化中的复杂动力学与实验安全问题提供了可行路径。
Hacker News 最新rbanffy2026/11/17 · 今天4 分钟阅读
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
摘要 重型机械的自动化能够提升建筑、采矿和物料搬运等机械化行业的生产效率。然而,这类机械的自动化面临着复杂动力学的挑战,部分原因在于其液压驱动涉及流体、柔性元件和非线性延迟。与之相伴的另一挑战是这些机器的尺寸和重量,这使得在物理系统上进行实验极具危险性。在本研究中,我们展示了一种方法:在仿真环境中进行强化学习(RL),随后将学习到的策略从仿真迁移到现实,能够成功实现自动化特技动作——这些动作将一台重型工程机械推向其驱动能力的极限,此前仅有少数顶尖人类操作员在世界纪录级别的官方表演中完成过。我们在 John Deere 332G 上训练了执行自主特技动作的策略,这是一台实际运行中的 5 吨滑移转向装载机。这些策略能够自主地将机器摆起至两轮平衡状态,并在两轮平衡的同时,在崎岖地形上行驶、描绘指定轨迹、旋转以及来回摆动铲斗,最后安全地落回四轮着地状态。这项工作表明,强化学习与仿真到现实的迁移能够实现重型机械的动态自主控制,直接推动重型设备行业更高程度的自动化。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。