Reflex: Visually Grounded Reactive Humanoid Control
Aggiunta all'archivio di AIChronos il (numero del 12 ottobre 2026 ricostruito)· fonte del · Taoyang Jia, Weikai Huang, Linxin Song, Jared Darlington, Jieyu Zhao, Yue Wang (University of Washington)
Reflex è un framework a tre stadi per il controllo reattivo di robotoidi che coordina il movimento corporeo intero, reagisce alle dinamiche degli oggetti in tempo reale e fonda la percezione nella visione egocentrica. Il sistema impara prima una politica basata sullo stato tramite reinforcement learning, poi infere le dinamiche da osservazioni incomplete e infine utilizza un encoder RGB-D per recuperare tali rappresentazioni direttamente dai dati visivi mantenendo il controller fisso. In simulazione raggiunge un tasso di successo del 85,7% su lanci egocentrici, mentre sul robot Unitree G1 realizza catture con successi tra il 65% e il 40%, avvicinandosi significativamente alle prestazioni umane.
- Il framework Reflex scompone le capacità di controllo in tre stadi distinti per fornire segnali di addestramento diretti a ciascuna componente, migliorando la scalabilità dell'apprendimento visivo.
- La rappresentazione compatta delle dinamiche degli oggetti funge da ponte tra l'inferenza dinamica e il controller corporeo intero, permettendo reazioni rapide entro un secondo.
- L'uso di storia temporale visiva è critico: la sua rimozione riduce drasticamente il tasso di successo nelle catture sia centrali che laterali rispetto ai lanci umani.
- Il sistema opera esclusivamente con visione egocentrica RGB-D, superando i limiti dei sistemi esistenti che dipendono da end-effector specifici o marcatori sugli oggetti.
Perché conta. Per gli sviluppatori di agenti e AI locale, Reflex dimostra come decomporre compiti complessi in fasi scalabili sia cruciale per integrare percezione visiva reattiva con controllo fisico robusto senza dipendere da dati privilegiati o marcature artificiali.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.