全部 AI 动态 · AI 热点

arXiv cs.AI@Yichao Zhong, Yidan Lu, Yuhang Lu, Tianyang Tang, Haoguang Mai, Yixuan Pan, Tianyu Li, Li Chen, Jingbo Wang, Zhongyu Li, Peng Lu, Hongyang Li

72°

RoboNaldo 是一种三阶段运动引导课程强化学习框架，旨在解决人形机器人足球射门中的全身稳定性、高冲击力交互和精准度问题。它先用单一人踢参考动作学习稳定踢球先验，再适应固定球位置的任意球场景，最后扩展到移动球射门。在仿真中，RoboNaldo 的任意球射门误差比基线低 48.6%，射门速度提升 2.96 倍。在 Unitree G1 机器人上，从 3 米外射门平均误差为 0.73 米（任意球）和 0.86 米（移动球），触球后球速达 13.10 米/秒，达到职业球员射门速度的 59-71%。该工作为高动态人形机器人运动控制提供了新范式。

论文人形机器人强化学习课程学习运动控制 Unitree G1

推荐理由：做足式机器人运动控制或强化学习的团队，RoboNaldo 的课程学习思路能直接借鉴——用单条参考动作引导复杂技能学习，解决了从仿真到真实部署的精度和速度难题，值得点开看方法细节。

原文

5月13日

19:12

arXiv: DeepSeek@Mingxiong Lin, Zhangquan Gong, Maowen Tang, Qian Li, Chuangchuang Wang, Jian Ma, Sutian Huang, Kai Tang, Haonan Lu

精选

论文发现GRPO算法存在两个效率问题：固定KL系数限制模型探索，均匀采样忽略中等难度题目的信息价值。提出FG-ExPO方法，包含两个轻量组件：基于准确率的自适应KL缩放（AKL）动态调整约束强度，以及高斯课程采样（GCS）聚焦模型学习前沿。在DeepSeek-R1-Distill-Qwen-1.5B和Qwen3-8B-Base上测试，AIME 2025 pass@32从63.33%提升至76.67%，8B模型平均提升2.66%。该方法在固定推理预算下扩大了模型有效探索空间。

论文 GRPO 强化学习数学推理课程学习自适应KL

推荐理由：做LLM数学推理RL训练的团队，GRPO的KL系数和采样策略可以照搬这个改进，AIME 2025上13个点的提升值得一试。

原文