arXiv · ML· Ammar Issa, Anubhav Singh, Anton Tsaritsin, Sergey Kolyubin·· 2026-10-08AI 评分26
基于分层强化学习的四足机器人能效步态适应
Energy-Efficient Gait Adaptation via Hierarchical Reinforcement Learning for Quadrupedal Locomotion Across Diverse Terrains
AI 导读
提出分层强化学习框架,将高频关节运动与低频步态适应解耦,通过三阶段 Isaac 训练实现零样本 sim-to-real 转移,降低质心传输成本(CoT)。 在仿真中对比单策略基线,该方法在平坦、崎岖及倾斜地形均保持鲁棒性,并自动根据速度切换从慢走(pacing)到小跑(trotting)步态。 在 Unitree AlienGo 四足机器人上完成零样本实际部署验证,证实了方案的工程可行性。
来源:arXiv · ML · arxiv.org