“京天机器人已经累计服务2127位高校用户。专注提供科研，教学，比赛和展示等方案。并在定位导航、人机协作、危险场景作业、多机协作、机器人控制和分析、勘测、机器视觉运动目标跟踪、智能机器人仿真与虚拟教学、人工智能/智能机器人实验室建设、机器人竞赛等多个领域拥有完整落地案例”
在人类生活环境中，人形机器人需要像人类一样协调全身完成各类任务 - 下蹲拾取地面物体、双手协同拔剑、动态投掷物品等。然而，现有方法要么依赖复杂的强化学习奖励工程，要么需要专
人类能在动态运动与精准平衡间无缝切换 - 跑步时灵活调整姿态，单腿站立时稳如磐石。但现有人形机器人控制方法往往难以兼顾这两种能力，要么侧重敏捷动态技能而牺牲稳定性，要么专注
NVIDIA、斯坦福大学等联合提出的CHIP（Adaptive Compliance Humanoid control through hIsight Perturbation），是一款轻量可插拔的柔顺控制模块。它无需大规模数据增强或奖励调优，
在具身智能领域，让人形机器人在未知复杂地形上实现高动态跑酷，始终是极具挑战性的课题。尽管通用运动策略已能应对多种常规地形，但面对楔形、桩体、窄梁等极端几何结构的障碍时，往
北京大学等团队提出的UniAct（Unified Motion Generation and Action Streaming for Humanoid Robots），是一款面向人形机器人的多模态实时控制框架。它通过 “统一离散标记化 + 多模
清华大学等团队提出的Hiking in the Wild，是一款面向复杂非结构化环境的人形机器人敏捷行走框架。它以 “端到端感知 - 控制” 为核心，通过深度图像实时感知地形，结合地形边缘安全
当四足机器人在复杂地形执行物资运输、搜索救援等任务时，维持其自身稳定性是一个巨大挑战。特别是当负载具有“主动性”和“动态性”时——例如在机器人背部加装一个正在作业的机械臂
在人形机器人控制领域，实现兼具语义理解与动态适应性的全身控制一直是具身智能的关键挑战。加州大学伯克利分校联合多国研究机构提出的LeVERB（Latent Vision-Language-Encoded Robot
来自UCSD（加州大学圣地亚哥分校）全华人团队提出一种特别的全身控制策略（ExBody），能对人形机器人进行全身控制。策略主要训练人形机器人上半身，下半身则专注于负责维持稳定。
卡内基梅隆大学的研究团队近日发表了一项创新研究，该团队开发出了一个实时人对人形机器人（human to humanoid,简称H2O）的全身遥控系统。值得一提的是，实验中的人形机器人为Unitree
清华信息交叉研究院训练强化学习策略，小成本让人形机器人H1在高台上跳跃、跳过障碍、长距离跳台等。
Donghu Robot Laboratory, 2nd Floor, Baogu Innovation and Entrepreneurship Center，Wuhan City，Hubei Province，China
Tel：027-87522899,027-87522877 渠道商务合作：18062020215
售前技术咨询：13807184032
售后服务热线：18062020228
 |
 |
