四足機器人實現野外疾行
重點摘要
四足機器人實現野外疾行。 四足機器人實現了複雜地形疾行。越野步態控制研究論文采用單策略.車載感知 ��� 能夠適應野生環境。真機測試 (★^O^★) 最高速度達六米。樓梯與亂石等障礙物均輕鬆越過。
四足機器人技術近期迎來重要突破,研究團隊成功讓機器人在野外複雜地形中實現高速疾行。根據一篇關於越野步態控制的最新研究論文,該機器人採用單一策略並結合車載感知系統,能夠適應野生環境中的各種不規則路面。這項進展意味著四足機器人不再受限於平坦地面或室內環境,而是首次具備在戶外真正「奔跑」的能力。 過去四足機器人雖然在實驗室或平整道路上表現亮眼,但一旦離開平坦表面,往往出現步態紊亂、速度驟降甚至傾倒等問題。複雜地形帶來的動態變化對於控制系統是極大考驗,傳統做法往往需要針對不同地形預先設計對應步態,不僅耗時,也無法應對真實環境中隨時出現的突發障礙。而此次研究團隊提出的單一步態策略,正是為了打破這種限制。機器人不再需要依靠預設腳本,而是透過一套統一控制框架,隨時因應地形變化自行調整動作。 在真機測試階段,研究人員讓機器人實際行走於戶外各種崎嶇路面,結果令人振奮。測試顯示,機器人的最高行進速度可達每秒六公尺,換算時速約二十一公里左右,在四足機器人中屬於極高水準。更難得的是,即使面對樓梯、亂石堆、陡坡等多樣化障礙,機器人依然能夠穩定越過,保持流暢動線,幾乎沒有出現滯停或偏移。 這項性能的關鍵來自於步態控制演算法的優化。團隊重新設計了機器人四肢的協調方式,讓演算法在運動過程中同時兼顧穩定與速度。當地形出現起伏或突然改變時,系統能在極短時間內重新分配各腿的支撐與擺動時序,動態修正重心位置,確保整體平衡不被破壞。這種類似生物本能的反射式調節,正是讓機器人能夠在亂石與階梯之間疾行的根本原因。 除了步態控制,車載感知系統同樣扮演不可或缺的角色。研究團隊為機器人搭載多種感測器,使其能在行進間即時掃描環境並辨識路面特徵。這些資訊直接傳入控制單元,用以預判前方障礙的形狀與高低,並提前調整步伐。整套運作不需要事先建置精確地圖,機器人可完全依賴即時感知做出決策,大幅提升對未知場域的適應力。 從技術路徑來看,這項突破讓四足機器人的應用場景有了質的飛躍。以往只能走樓梯、過門檻、巡視工廠的機器人,如今具備了在野外自主高速移動的能力。這意味著它們可以勝任戶外巡邏、地質探勘、災區搜索救援等任務,不再只是室內實驗的展示品。特別是在人力難以進入或高風險的區域,機器人能夠率先前往探查,即時傳回第一手資訊,對救災與科學考察都有實質助益。 研究團隊也坦承,目前這套系統仍有需要強化之處。首要挑戰是續航力,高速疾行對於電池消耗極大,若要長時間在野外執勤,勢必需要更高容量的電源或更高效的能源管理方案。其次則是負載能力,機器人在執行任務時往往需要背負攝影機、通訊設備、感測儀器等,能否在維持速度和穩定的前提下增加載重,將是下一步實用化的關鍵。 從實驗室到真實野外,這條路並不容易。動態平衡、感知融合、即時控制——每一項環節都必須完美配合,才能在瞬息萬變的自然環境中保持從容。此次研究證明,這些技術已經達到足以投入實際測試的水準,為後續產品化奠定了基礎。 放眼未來,隨著電池技術與材料科學持續進步,續航與負載的瓶頸預料將逐步獲得緩解。屆時這類四足機器人不僅可以成為人類在危險地帶的得力助手,也可望在農業巡查、山區運輸、基礎設施檢查等領域找到專屬角色。更長遠來看,當機器人能夠像野生動物一樣在複雜地形中自在移動,整個機器人應用的版圖都將被改寫。 現階段的成果已經讓外界清楚看見四足機器人的潛力。從單一步態策略的設計思維,到車載感知的即時反應能力,再到每秒六公尺的疾行表現,每一項進步都在縮小機器人與真實自然之間的距離。研究團隊也強調,繼續強化續航力與負載能力,將是讓這項技術從測試走向日常的關鍵下一步。對於所有關注機器人發展的人來說,這無疑是一道充滿希望的曙光。
Related
相關文章
科學家成功重釋世界模型
科學家成功重釋世界模型 人工智慧領域長期以來追尋能像人類一樣推測未來、理解因果關係的「世界模型」,其中聯合嵌入預測架構(JEPA)被視為實現潛在世界模型的主流技術路線。然而,JEPA 的訓練目標大多依靠實驗表現來調整,缺乏統一的理論基礎。近日,一支研究團隊在預印本平台 arXiv 發表論文,從活性推論(Active Inference)的角度為 JEPA 世界模型提供了嚴謹的變分自由能解釋,並指出一項名為 SIGReg 的正則化機制能讓模型趨近理論最佳解。
矩陣分解技術助力壓縮
矩陣分解技術助力壓縮。 矩陣分解技術助力模型壓縮研究。三值矩陣量化技術說明公開了算法.內秩調整 ��� 可以無限逼近高精度。轉換後的 (^▽^) 困惑度表現優秀.小幅增加顯存換來更高精度的控制。

一位失憶患者,揭開了AI記憶的誤區
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 一位失憶患者,揭開了AI記憶的誤區 聞樂 2026-07-16 15:34:14 來源:量子位 記憶能夠獨立成層 聞樂 發自 凹非寺 量子位 | 公眾號 QbitAI 1953年,亨利·莫萊森(簡稱H.M.)走進了一間實驗室。 彼時的他不會想到,往後自己會成為神經科學發展史上標誌性的案例。 為根治從小反覆發作的癲癇,醫生切除了他大腦內側顳葉的部分組織。 手術成功控制住了癲癇,但也帶來了無法逆轉的副作用:他再也無法形成長期的全新記憶。 童年的往事、舊日的住所他記憶猶新;可幾分鐘前剛聊過的人和事,轉瞬便會徹底清零。 科研人員短暫離開再折返回來,H.M.總會像初次見面一樣,禮貌地重新問候眼前這個人。 不過,真正顛覆學界認知的並不是他失憶這件事,而是鏡像描畫實驗帶來的發現。 記住,不等於想起來 研究人員安排他看著鏡子臨摹複雜圖案。 雖然他完全不記得自己練習過這項任務,但日復一日下來,他的手法越來越熟練。 身體記住了經驗,可他的意識對此一無所知。 這件事讓科學家明白:存儲經歷和主動回想是兩套各自獨立的過程。 信息可以被保留,卻不一定能被調取。 如果H.M.代表記憶缺失的極端,俄羅斯記者所羅門·舍雷舍夫斯基則站在了另一個極端。 他可以長久記住海量文字、數字和細碎畫面,可超強記憶反倒成了枷鎖—— 他沒法過濾無用細節,氣味、畫面、零碎往事隨時隨地湧上腦海,繁雜信息擠佔了思考空間,導致他很難從具體畫面中提煉出抽象理解。 兩個案例印證了同一個核心道理:遺忘並不是記憶的漏洞,它本就是記憶自帶的能力。 高效的記憶,是篩選關鍵內容、捨棄瑣碎細節,後續再結合現實重新理解過往。

小米語音首席科學家 Daniel Povey 當選 2026 ISCA Fellow,全球僅 100 餘人獲此殊榮
小米語音首席科學家Daniel Povey當選2026年ISCA Fellow,該獎項為國際語音通信協會最高學術榮譽,全球僅百餘人獲得。他因語音識別聲學建模、開源工具Kaldi等貢獻入選,繼2023年IEEE Fellow後再獲殊榮。加入小米後,他帶領團隊推出新一代Kaldi及多項語音技術,包括Zipformer編碼器和支援600多種語言的OmniVoice語音合成模型。

Nature重磅,下一代AI系統雛形?MIT團隊:從推理100+新遊戲開始
MIT團隊在《Nature》雜誌發表重磅研究,提出「直覺玩家模型」作為下一代AI系統的雛形。該模型透過推理超過100種新遊戲來發展直覺能力,為AI學習與推理開闢新途徑。
ICML 2026 的 AI4S 現場:工具、合著者,還是創始人?
進群傳送門: 掃碼進群或添加微信Vin_Vivid,備註:論文群 + 關注的 AI 方向。搞科研/搞技術,信息差很重要。來,一起快人一步!掃描上方二維碼或點擊「閱讀原文」關注專區。