待验证50% 置信事实精确时间
Menlo Research 此前已开源过人形机器人的运动策略（locomotion policy）和训练代码。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证现代人形机器人的运动能力很大程度上得益于强化学习在仿真环境中的大规模训练64% 相似待验证将人体动作映射到机器人的思路与机器人训练中的示范学习（Learning from Demonstration）逻辑相通63% 相似待验证Agility Robotics的双足机器人Digit和Tesla Optimus人形机器人在2023-2024年间大量采用仿真训练加速能力开发62% 相似待验证ETH苏黎世、加州大学伯克利等机构的研究表明，经过仿真训练的RL策略可让四足机器人在崎岖地形上实现接近动物级别的步态适应性，无需精确动力学建模62% 相似待验证在人形机器人领域，运动策略通常指通过强化学习或模仿学习训练出的神经网络模型，接收关节角度、IMU 姿态、足底接触力等传感器输入，输出各关节的目标位置或力矩。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1009303API
curl https://kongchang.com/api/v1/knowledge/claims/1009303MCP
get_claim(id=1009303)