研究者称全身强化学习在碰撞场景优于逆运动学

2026年10月1日，机器人研究者 Chris Paxton 表示，在全身控制中，当机器人遭遇突然冲击或手臂被卡住等突发状况时，强化学习（RL）策略的表现明显优于逆运动学（IK）。他把这一差距归因于 RL 的反应性（Reactivity）；他并称，在多个物体质量发生变化时，RL 同样占优。他还表示，Dyna 并未展示出相关能力，但认为该策略方向是正确的。目前这些说法来自该研究者本人的表述，报道未给出具体实验设置、数据或第三方验证结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。