跳到正文
arXiv · 机器人与计算机视觉· Sebastian Hirt, Lukas Theiner, Jan Peters, Rolf Findeisen·· 2026-10-06精选AI 评分78

利用分层控制器结构进行上下文参数学习以优化人形机器人大型操作

Exploiting Hierarchical Controller Structure in Contextual Parameter Learning for Humanoid Loco-Manipulation

AI 导读

论文提出一种针对分层控制系统的上下文贝叶斯优化框架,用于联合学习不同层级控制器的参数。该方法通过相关多输出高斯过程分别建模任务性能、实现质量和控制努力,并分析其聚合关系,利用分层控制的互补特性进行优化。研究在人形机器人变质量推箱子任务中,联合调优了质心预测控制器和全身控制器,结果显示该方法在训练和适应阶段均取得了最低的均值经验后悔度。

推荐理由

提出基于上下文贝叶斯优化的分层控制器联合参数学习方法,在变质量推箱子任务中实现最低经验后悔度。

来源:arXiv · 机器人与计算机视觉 · arxiv.org