北京
本期为TechBeat人工智能社区第734期线上Talk。
北京时间12月11日(周四) 20:00，清华大学博士生朱少廷的Talk将准时在TechBeat人工智能社区开播！
他与大家分享的主题是：MoE-Loco - 基于混合专家模型的多任务运动控制。该方法创新性地引入混合专家（MoE）架构，让单一策略通过“动态路由”将不同任务分配给特定专家网络 。
Talk·信息
主题：MoE-Loco - 基于混合专家模型的多任务运动控制
嘉宾：清华大学 · 博士生 - 朱少廷
时间：北京时间12月11日(周四) 20:00
地点：TechBeat人工智能社区
http://www.techbeat.net/
Talk·介绍
传统多任务强化学习在处理复杂地形与不同步态（双足/四足）融合时，常因“梯度冲突”导致模型难以收敛 。MoE-Loco 创新性地引入混合专家（MoE）架构，让单一策略通过“动态路由”将不同任务分配给特定专家网络 。该方法不仅有效解决了梯度冲突，还让机器人实现了多种地形和不同步态的平滑切换，更展现出通过组合专家实现“运球”等新技能的零样本泛化能力 。
Talk大纲
1. 背景与挑战 - 介绍机器人运动控制从单任务向多任务（Multitask RL）演进中的核心痛点：多任务学习间的“梯度冲突”及其对性能的负面影响。
2. 核心方法 - 详解 MoE-Loco 架构设计，如何将 MoE 模块整合进 Actor-Critic 网络，以及利用 Gating Network 实现任务特征的自动提取与专家分配。
3. 机制分析与实验 - 展示 Unitree Go2 真机在多种复杂地形下的表现，通过梯度相似度分析验证冲突的消除，并可视化不同专家（Experts）的专业分工。
4. 技能组合与展望 - 探讨 MoE 的可解释性优势，演示如何通过手动调整专家权重 Zero-shot 合成新技能（如踢球/运球），并总结在持续学习中的潜力。
Talk·预习资料
论文链接： https://arxiv.org/abs/2503.08564
Talk·提问交流
在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！
你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！
Talk·嘉宾介绍
朱少廷
清华大学 · 博士生
现于清华大学交叉信息院博士二年级在读，师从赵行老师。
研究方向为具身智能，足式机器人，三维重建与机器人融合，在RA-L, ICRA, IJCV, IROS, ICCV等期刊及会议上发表多篇论文，并担任RA-L, IROS, RA-M等学术期刊及会议审稿人。代表工作有: VR-Robo, Robust-robot-walker, SARO等。
个人主页: https://www.techbeat.net/grzytrkj?id=46001
-The End-
如果你也想成为讲者
自荐 / 推荐
单人Talk | 团队专场 | 录播or直播 | 闭门交流
多种方式任你选择！
推荐讲者成功也有奖励哦~
关于TechBeat人工智能社区
TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。
我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。
期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！
更多详细介绍>>
预约本期Talk
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
