摘要：密歇根大學&地平線機器人聯(lián)合研究的基于全隱式模擬器DISMECH與Delta自然曲率控制的軟體機器人控制的快速學習策略框架《Rapidly Learning Soft Robot Control via Implicit Time-Stepping》：通過隱式時間步長突破軟體機器人模擬的計算瓶頸，在 4 類典型操作任務中實現(xiàn) 2.4-22.45 倍訓練加速（接觸場景最高 40 倍并行步長提速），且經 sim-to-sim 驗證精度與主流顯式模擬器 ELASTICA 持平，為軟體機器人柔性操作、障礙物規(guī)避等任務提供高效解決方案。