点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Haitong Wang等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要 的。 写在前面&概述 现有导航方法多针对特定机器人形态设计，导致在不同平台间的通用性受限。为此，本文提出的X-Nav框 架实现了端到端跨形态导航，单一通用策略可部署于轮式和四足机器人。其核心是两阶段学习机制：先通 过深度强化学习（DRL）在大量随机生成的机器人形态上训练多个专家策略，再借助导航动作分块 transformer（Nav-ACT）将这些专家策略提炼为单一通用策略，最终实现对未知形态机器人和逼真环境的零 样本迁移。 核心问题与现有局限 导航任务要求机器人从起始位置到目标位置，在未知复杂环境中完成无碰撞移动，依赖视觉观测（深度图 像）、目标位置和本体感受（如关节位置、速度）等信息。但现有方法存在明显局限： 阶段1：专家策略学习 在随机生成的机器人形态上，用DRL训练多个专家策略。 | | | | | TABL ...