arXiv · 机器人与计算机视觉· Yuxiang Liu, Marla Eisman, Lizhi Yang, Aaron Ames, Francesco Borrelli·· 2026-10-07AI 评分33
RACER:基于残差自适应闭环估计的轮式四足赛车规划框架
RACER: Residual-Adaptive Closed-Loop Estimation for Sampling-Based Planning in Wheeled-Quadruped Racing
AI 导读
RACER 是一种结合 MPPI 规划器、学习到的残差动力学模型及底层 RL 速度跟踪器的分层控制框架,用于轮式四足机器人赛车。该方法通过 LoRRA 技术在大规模仿真预训练基础上利用少量真实数据微调低秩约束残差模型。实验表明,在高速过弯时引入残差动力学能显著提升性能,且相比仅用目标域数据或从头训练,混合源域与目标域数据及施加低秩约束的策略在接地系数或关节增益存在域差距时具有更高的成功率和表现。
来源:arXiv · 机器人与计算机视觉 · arxiv.org