待验证50% 置信事实精确时间
ETH Zurich的ANYmal四足机器人团队通过Sim2Real方法让机器人学会在崎岖地形上自适应行走，策略完全在仿真中训练
1
来源数
50%
置信度
长期有效
时效性
2026/9/4
首次发现
来源
涉及实体
相关事实
待验证ETH Zurich的ANYmal四足机器人和UC Berkeley的多项研究已证明，经过精心设计的仿真训练策略可以几乎零调整地部署到实体机器人上79% 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76% 相似待验证在方块世界中训练出的规划、导航、多步骤任务等抽象高层次能力比低层运动控制更容易跨域迁移到现实机器人和具身智能场景71% 相似待验证苏黎世联邦理工（ETH Zurich）的研究已证明强化学习训练的无人机控制策略可超越人类飞手71% 相似待验证RT-X 模型基于 Open X-Embodiment 数据训练，在未见过的机器人上展现出正向迁移能力68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/855602API
curl https://kongchang.com/api/v1/knowledge/claims/855602MCP
get_claim(id=855602)