TL;DR
- نویسندگان:.
- Shibowen Zhang،.
- Jiayang Wu،.
چه اتفاقی افتاد
نویسندگان:. Shibowen Zhang،.
Jiayang Wu،. Guannan Liu،.
Helin Zhu،. Junjie Liu،.
Zhehan Li،. Junhong Guo،.
Xiaokun Leng،. Hangxin Liu،.
Jingwen Zhang،. Jikai Wang،.
Zonghai Chen،. Zhicheng He،.
Jiayi Wang،. Yaoperi Su:.
این مقالات یکپارچه PDF را مشاهده کنید. چارچوب مبتنی بر مدل برای تولید و اجرای حرکات رقص پویا کل بدن روی روباتهای انساننما.
این چارچوب در دو مرحله عمل میکند:. تولید حرکت آفلاین و اجرای حرکت آنلاین،.
که هر دو از پیشبینی وضعیت آینده برای فعال کردن حرکات رقص قوی و پویا در محیطهای دنیای. واقعی استفاده میکنند.
در مرحله تولید حرکت آفلاین،. نمایشهای رقص انسان از طریق یک سیستم ضبط حرکت (MoCap) ضبط میشود،.
با حل یک مشکل برنامهنویسی درجه دوم (QP) به سمت ربات هدفگیری میشود،. و با استفاده از بهینهسازی مسیر (TO) برای اطمینان از امکانسنجی پویا،.
اصلاح میشود. در مرحله اجرای حرکت آنلاین،.
الف چارچوب کنترل پیشبینی مدل مبتنی بر دینامیک مرکزی (MPC) حرکات برنامهریزیشده را در زمان واقعی ردیابی میکند. و بهطور فعال محل پای چرخان را برای انطباق با اختلالات دنیای واقعی تنظیم میکند.
ما چارچوب خود را روی ربات انساننما با اندازه کامل Kuavo 4Pro تأیید میکنیم،. و حرکات رقص پویا را هم در شبیهسازی و هم در یک اجرای زنده چهار دقیقهای عمومیبا.
تیمیمتشکل از چهار ربات نشان میدهد. نتایج تجربی نشان میدهد که افقهای پیشبینی طولانیتر هم بیان حرکت در برنامهریزی و هم ثبات در اجرا.
را بهبود میبخشد. رباتیک (cs.
RO) استناد بهعنوان: (یا v1 [cs. RO] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Shibowen Zhang [مشاهده ایمیل] [v1] یکشنبه،.
5 آوریل 2026،. 07:.
17:. 33 UTC (22,.
848 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.