Modeling and Understanding Neural Weights of Humanoid Policies with Diffusion

近年来机器人学习的进展推动了人形机器人的控制技术迅速发展，使人在现实世界中表现出越来越灵活的行为。然而，人形机器人的控制网络通常通过传统的训练流程获得，而对直接建模其学习权重的分布以及在权重空间中生成功能网络的注意力相对较少。在本工作中，我们研究是否可以通过其权重直接生成高性能的人形控制网络。