卡内基梅隆大学

CMU 周衔：聊聊物理引擎 Genesis 的源启与未来 | 具身先锋十人谈

作者 | 赖文昕编辑 | 陈彩娴不久前，我们发布《CMU 具身智能风云榜：从传统到全面》一文，介绍了来自 CMU 的一众具身智能华人人才。就在上个月，CMU 联合18个研究机构开源发布了一个生成式物理引擎——Genesis，引起了具身智能领域的广泛讨论与关注，在国内与海外呈现出霸榜的热度。 Genesis 的核心团队为 12 位青年华人学者，其项目领导者为 CMU 机器人研究所刚毕业的博士生周衔。

CMU 具身智能风云榜：从传统到全面

作者 | 赖文昕编辑 | 陈彩娴与位于宇宙中心硅谷湾区的伯克利、斯坦福不同，被视为锈带区复兴唯一希望的卡内基梅隆大学（以下简称“CMU”）坐落在上世纪的工业重镇匹兹堡。计算机科学学院的机器人研究所（以下简称“RI”）成立于1979年，是世界上第一个致力于机器人研究的大学级研究所。这座机器人摇篮在 45 年间诞生了无数耀眼成就，但在如今技术更迭到由 AI 方向领衔、以仿真与强化学习算法方为“技术先进”之际，以传统机器人学见长的 CMU 能否跟上具身智能的热潮？

谷歌提出全新RLHF方法：消除奖励模型，且无需对抗性训练

效果更稳定，实现更简单。大型语言模型（LLM）的成功离不开「基于人类反馈的强化学习（RLHF）」。RLHF 可以大致可以分为两个阶段，首先，给定一对偏好和不偏好的行为，训练一个奖励模型，通过分类目标为前者分配更高的分数。然后通过某种强化学习算法优化这个奖励函数。然而，奖励模型的关键要素可能会产生一些不良影响。来自卡内基梅隆大学（CMU）和 Google Research 的研究者联合提出了一种简单的、理论上严格的、实验上有效的 RLHF 新方法 —— 自我博弈偏好优化（Self-Play Preference Op

CMU&ETH实现突破：机器狗点满敏捷值天赋，超高速穿越障碍，速度与安全兼备！

足式机器人领域又一次迎来创新！CMU 与 ETH Zurich 团队联合研发了一个名为「敏捷但安全」（ABS，Agile But Safe）的新框架，为四足机器人在复杂环境中实现高速运动提供了解决方案。ABS 不仅在避免碰撞方面展现出高效能力，还在极速上达到了前所未有的 3.1 米秒！在高速机器人运动领域，实现同时兼顾速度和安全一直是一大挑战。但现在，卡内基梅隆大学（CMU）和苏黎世联邦理工学院（ETH）的研究团队带来了突破性进展。他们开发的新型四足机器人算法，不仅能在复杂环境中高速行进，还能巧妙避开障碍，真正做