待验证50% 置信事实精确时间
FLORE 是一个学习力反应式人形机器人移动操作的框架，其核心思路是将力作为策略输出的一部分，而非事后用控制器被动补偿。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
已验证在机器人竞赛中，工作人员手持的手柄并非直接操控机器人的每个动作，而是用于切换预设任务模式和引导行进路线，动作执行由机器人自主完成75% 相似待验证Pilot 论文提出面向非结构化场景下人形机器人 Local Manipulation 的统一单阶段强化学习框架，包含跨模态上下文编码器与 MoE 策略架构，实验在仿真环境与 29 自由度 Unitree G1 实体机器人上进行，论文称其在稳定性、指令跟踪与地形通过性上均优于基线方法。74% 相似待验证在四足机器人的强化学习步态控制中，策略网络通常将关节位置、关节速度、机身姿态以及足端接触状态等作为观测输入。74% 相似待验证一项研究提出让机器人主动调用全身多个部位来支撑和推进，完成爬梯、匍匐、翻越障碍等高难度动作的控制思路。73% 相似待验证系统包含一个关键组件'运动-速度适配器'（learned motion-speed adapter），位于高层规划器中，充当目标意图与机器人物理能力之间的翻译层，在机器人移动慢于预期时实时调整计划。72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102633API
curl https://kongchang.com/api/v1/knowledge/claims/1102633MCP
get_claim(id=1102633)