提出强化与模仿学习结合的四足多技能策略

研究者提出三阶段方法，用 8 个教师策略训练出能执行 22 项任务的单一学生策略，涵盖行走、挖掘、跳跃，并可组合出爬行等新行为。该方法采用多教师蒸馏，结合强化学习与模仿学习目标，并通过对抗任务选择聚焦最差任务。评估显示其运动质量与指令跟踪优于 PPO 和 distill-then-finetune 基线，部分新任务无需显式训练即可泛化，并已在 Unitree B1 四足机器人上完成真实部署。

摘自 arXiv cs.RO

还没有足够的连续观测数据，暂不绘制趋势。