arXiv cs.RO· Ammar Issa, Anubhav Singh, Anton Tsaritsin, Sergey Kolyubin·· 4 天前
基于分层强化学习的四足机器人节能步态自适应，实现多地形零样本 Sim2Real 部署
Energy-Efficient Gait Adaptation via Hierarchical Reinforcement Learning for Quadrupedal Locomotion Across Diverse Terrains
AI 导读
研究者提出一种分层强化学习（HRL）框架，将高频关节级运动执行策略与低频步态自适应策略分离，后者显式最小化运输成本（CoT）。该框架经三阶段 Isaac 训练，在仿真中于广泛指令速度范围内降低 CoT，并保持平地、崎岖不平与倾斜地形上的稳定运动，还展现出低速踱步、高速小跑的自动速度相关步态切换。方法已在宇树（Unitree）AlienGo 四足机器人上完成零样本部署。
来源：arXiv cs.RO · arxiv.org