跳到正文
arXiv · 机器人与计算机视觉· Xuemin Hu, Kaixin Li, Qingqing Xia, Yuxin Wang, Wei Xie, Bo Tang, Long Chen·· 14 天前AI 评分72

H^2MARL:面向人形机器人控制的分层异构多智能体强化学习框架

H^2MARL: Hierarchical Heterogeneous Multi-agent Reinforcement Learning for Humanoid Robot Control

AI 导读

针对人形机器人全身控制中高维耦合动力学及关节自由度物理异质性的挑战,论文提出 H^2MARL 分层异构多智能体强化学习框架。该方法采用关节级物理异质性感知策略分解,使每个扭矩驱动的自由度基于其执行器、运动学和动力学属性进行条件化建模;同时开发闭环策略 - 执行器协同优化机制,利用共享交互轨迹联合适配高层姿态规划与低层关节执行,降低分布不匹配问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org