潛在空間探索

人形機器人設計

LEGO：潛在空間探索與幾何感知優化提升人形機器人運動學設計

傳統機器人形態設計多仰賴直覺，缺乏系統化基礎。本研究以現有設計資料學習潛在空間，並透過動作再定位與 Procrustes 分析直接從人體動作定義損失函式。結果證明，結合幾何保留的潛在空間與資料驅動優化，可自動發掘具創新性的機器人體形。