Multi-Embodiment Locomotion at Scale with extreme Embodiment Randomization

我们提出了一种统一的通用运动策略，该策略在50种不同的足式机器人上进行了训练。通过结合改进的、感知本体结构的网络架构（URMAv2）与基于性能的课程学习方法，以应对极端的本体随机化，我们的策略学会了控制数百万种形态各异的机器人。该策略能够实现零样本迁移，成功应用于未见过的真实世界人形和四足机器人。

论文试图解决如何训练一个通用的运动策略（locomotion policy），使其能够零样本迁移（zero-shot transfer）到未见过的真实世界中的人形和四足机器人。这个问题在机器人控制领域是一个长期存在的挑战，尤其是在面对大量不同形态（millions of morphological variations）的机器人时。

论文的关键思路是结合一种改进的、形态感知的神经网络架构（URMAv2）与基于性能的课程学习策略，用于极端形态随机化（Extreme Embodiment Randomization）。这种方法使得策略能够在训练过程中逐步适应越来越复杂的形态变化，从而提升其泛化能力。

1. 提出URMAv2架构，增强了策略对不同机器人形态的适应能力。 2. 设计基于性能的课程学习机制，动态调整训练难度。 3. 实验验证了策略在数百万种形态变化上的学习能力，并实现了对未见过的真实机器人（如人形和四足机器人）的零样本迁移。 4. 该方法无需针对特定机器人重新训练，提升了策略的通用性。 5. 论文可能开源代码和训练环境，以促进后续研究。

1. Universal Policies for Robotic Locomotion via Morphology-Aware Neural Networks (URMA) 2. Learning to Walk in Minutes Using Mass-Spring-Damper Models 3. Sim-to-Real Transfer of Robotic Locomotion via Model-Agnostic Meta-Learning 4. Dexterous Manipulation and Locomotion with Morphology-Aware Reinforcement Learning 5. Curriculum Reinforcement Learning for Multi-Agent Locomotion