BodyGen: 迈向高效的具身协同设计
机器人学
2025-03-04 v1 机器学习
系统与控制
系统与控制
摘要
具身协同设计旨在同时优化机器人的形态与控制策略。尽管先前工作已证明其在生成环境自适应机器人方面的潜力，但该领域仍因（i）形态搜索空间的组合性质以及（ii）形态与控制之间的复杂依赖关系而面临优化效率的持久挑战。我们证明，低效的形态表示以及设计阶段与控制阶段之间不平衡的奖励信号是效率的关键障碍。为推进高效的具身协同设计，我们提出 BodyGen，其利用（1）拓扑感知自注意力同时处理设计与控制，以轻量模型规模实现高效的形态表示；（2）时间信用分配机制确保优化过程中奖励信号的平衡。基于上述发现，BodyGen 相较于最先进基线实现了平均 60.03% 的性能提升。代码及更多结果见网站：https://genesisorigin.github.io。
引用
@article{arxiv.2503.00533,
title = {BodyGen: Advancing Towards Efficient Embodiment Co-Design},
author = {Haofei Lu and Zhe Wu and Junliang Xing and Jianshu Li and Ruoyu Li and Zhe Li and Yuanchun Shi},
journal= {arXiv preprint arXiv:2503.00533},
year = {2025}
}
备注
ICLR 2025 (Spotlight). Project Page: https://genesisorigin.github.io, Code: https://github.com/GenesisOrigin/BodyGen