跳到正文
arXiv · 机器人与计算机视觉· Zachary Olkin, Kejun Li, William D. Compton, Aaron D. Ames·· 8 天前AI 评分75

基于控制李雅普诺夫函数引导的强化学习实现类人机器人跑步

Chasing Stability: Humanoid Running via Control Lyapunov Function Guided Reinforcement Learning

AI 导读

该研究提出 CLF-RL 方法,将非线性控制理论中的控制李雅普诺夫函数与优化的参考轨迹嵌入强化学习奖励,替代传统启发式奖励的手动调优。通过处理系统混合结构的全阶动力学进行轨迹优化,位置跟踪性能提升最多 1.7 倍。策略在宇树 G1 类人机器人上实现完整飞行阶段的可靠跑步,具备抗干扰能力和仅靠机载传感器实现的准确全局参考跟踪能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org