分层强化学习实现欠驱动双足机器人无碰撞行走
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对欠驱动双足机器人避障与平衡严重耦合难题，研究提出分层强化学习框架。高层策略依据姿态、射线测距及障碍物状态等输入，每十步输出体速度指令；底层策略通过PD控制关节目标来追踪指令，两者用SAC联合训练。收敛步态冻结后供经典规划器调用以构建基线。百次随机测试显示，新法在静态与动态试验达标率分别为98.0%与88.0%，远超规划器混合方案最高78.0%与68.0%，且路径长度与A*参考偏差在4%内。消融实验证实各观测通道与奖励项均有效。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载避障与平衡耦合难题
双足机器人在行进中若需偏离原有轨迹以躲避障碍物，往往不得不打破自身平衡。这种避障与平衡之间的耦合关系，在欠驱动平台上表现得尤为严峻。该研究聚焦的双足机器人每条腿包含四个受控关节，且髋部与踝部均不具备侧倾自由度，这极大增加了其在复杂环境中实现无碰撞行走的难度。
分层策略与联合训练机制
为解决上述问题，研究构建了分层强化学习框架。高层策略负责感知环境，其输入涵盖机器人姿态、三十六条射线投射近距测量值、动态障碍物状态及局部目标，每隔十个控制步输出包含纵向、横向速度与偏航角速度的体速度指令。底层策略则依据速度指令，借助PD控制的关节目标来执行追踪。两层策略通过软执行者-评论家算法进行联合训练。
基线构建与性能对比
由于训练收敛后的步态具备任务无关性，研究者将其冻结，并通过相同的指令接口接入经典规划器，由此构建出SAC+A*、SAC+RRT*与SAC+APF三种受控基线。在PyBullet随机环境中开展的每方法百次评估表明，所提方法在静态与动态试验的达标率分别达到98.0%与88.0%，而规划器混合方案最高仅获78.0%与68.0%。同时，新法路径长度与A*参考值的偏差控制在4%以内，消融实验也验证了各观测通道与奖励项对最终性能的实质性贡献。
为什么值得看
解决欠驱动双足避障与平衡耦合痛点，在动态环境达标率大幅超越传统规划器混合方案。
强化学习
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。