跳到正文
arXiv · 机器人与计算机视觉· Cheng Fan, Bingyang Zhou, Gang Yang, Zixuan Zhuang, Aoqian Zhang, Pengzhi Yang, Xin Liu, Chunzheng Wang, Yan Rui Tan, Fan Shi·· 2026-10-15精选AI 评分78

E2DRL:用于四足机器人 3D 避障的端到端可微强化学习

E2DRL: End-to-End Differentiable Reinforcement Learning for 3D Obstacle Avoidance in Quadruped Robots

AI 导读

该论文针对腿式运动控制中硬碰撞约束破坏梯度信号的问题,提出 E2DRL 框架,通过软可微障碍物交互公式与速度条件停止梯度塑造提供训练信号。系统利用 Soft Analytic Policy Optimization 训练的教师在仿真中蒸馏深度基学生策略,并结合地形感知门控模块实现部署。

推荐理由

提出软可微障碍物交互公式,在四足机器人上实现端到端视觉避障的仿真到现实验证。

来源:arXiv · 机器人与计算机视觉 · arxiv.org