arXiv · 机器人与计算机视觉· Ammar Issa, Anubhav Singh, Anton Tsaritsin, Sergey Kolyubin·· 2026-10-08AI 评分58
基于分层强化学习的四足机器人跨地形能效步态适应方法
Energy-Efficient Gait Adaptation via Hierarchical Reinforcement Learning for Quadrupedal Locomotion Across Diverse Terrains
AI 导读
针对腿式机器人控制中能效与鲁棒性难以兼顾的挑战,本文提出一种分层强化学习框架,将高频关节运动执行与低频步态适应解耦以最小化运输成本。该方法在 Isaac 仿真环境中训练,实现了从慢速行走到快速小跑的自动速度依赖步态切换,并在平坦、粗糙及斜坡地形保持鲁棒性。研究通过零样本部署验证了其在宇树 AlienGo 物理机器人上的可行性与能效优势。
来源:arXiv · 机器人与计算机视觉 · arxiv.org