#今日论文推荐#1小时学会走路，10分钟学会翻身,世界模型让新生机器狗掌握多项技能

人类宝宝在出生后的第1年里，就会逐渐掌握协调能力，学习坐、立、翻滚和爬行。
那么机器人呢？
机器人能完成多复杂的任务，取决于它的学习能力。在最近的一项研究中，来自UC伯克利大学的的研发人员利用“ Dreamer” 世界模型的最新成果训练了各种机器人：无需模拟器或示范学习，就能实现现实世界中的在线强化学习。

早在2019年，谷歌DeepMind和多伦多大学的研究人员就在NeurIPS 2019会议上介绍了AI “Dreamer”，它可以通过已知世界模型在新环境中对视觉图像的运动方式进行预测。Dreamer在观察到图像运动方式时，会先构想出一些可能的动作，然后判断这些构想动作可能得到的奖励，根据奖励来最终预测动作。
基于谷歌提出的这种可扩展的强化学习方法。在此次研究中，团队的目标是在现实世界中推动机器人学习的极限，并提供一个强大的平台来支持未来的工作。

论文题目：DayDreamer: World Models for Physical Robot Learning
详细解读：https://www.aminer.cn/research_report/62c4f93c7cb68b460fe40108icon-default.png?t=M5H6https://www.aminer.cn/research_report/62c4f93c7cb68b460fe40108
AMiner链接：https://www.aminer.cn/?f=cs

# 深度学习 # 机器学习 # 人工智能
Logo
全球具身智能开发者社区

立足具身智能前沿赛道，致力于搭建全球化、开源化、全栈式技术交流与实践共创平台。

更多推荐

[具身智能-1148]：三角测距原理

三角测距 = 两个观察点 + 一个物体，构成三角形，通过基线长度和视线角度（或视差），用几何关系算出物体距离。本质是 "用角度换距离"—— 角度差越大，物体越近；角度差越小，物体越远。人眼、双目相机、低成本激光雷达都在用这个原理，但它天生受限于距离和纹理，远距离和无纹理场景会失效。

avatar 全球具身智能开发者社区

[具身智能-1147]：3 维空间的物理的反射光信号到 2 维平面的投影，主动要失去深度信息。本质上是光线到光点的投影，所有光线组成 “面” 上的所有点

3D→2D 投影的本质，是把 "每条光线（3D 中的 1 维直线）" 压成 "每个光点（2D 中的 0 维点）"，所有光点组成图像平面。这个降维过程是多对一的映射，深度信息不可逆地丢失 —— 这不是算法问题，是物理约束。激光雷达通过主动发光给光线打时间戳、双目通过双视点三角约束、单目通过先验推断，都是在用不同方式打破这个多对一性，试图找回丢失的深度维度。

avatar 全球具身智能开发者社区

[具身智能-1152]：深度相机模组输出是什么？是双目图像，还是混合后的图像？混合的算法是？深度图的格式？

表格维度双目立体视觉结构光ToF代表深度算法立体匹配图案解码 + 三角测距相位 / 时间测量主动发光否（被动）是（红外图案）是（调制红外光）无纹理区域失效（白墙）有效（投射图案）有效有效距离0.3~20m0.3~5m0.3~10m深度图分辨率最高（和红外一致）中中（受 ToF 传感器限制）室外阳光较好（但依赖光照）差（阳光淹没图案）差（阳光干扰）输出深度图 + 左右 IR + 彩色深度图 + IR

avatar 全球具身智能开发者社区