发现技能交换标准,学习敏捷的四足运动
Wanming Yu1, Fernando Acero2, Vassil Atanassov1
1Department of Engineering Science, Oxford Robotics Institute, University of Oxford, Oxford, United Kingdom.
Frontiers in robotics and AI
|March 6, 2026
概括
本研究介绍了一种等级框架,用于四足机器人学习协调的多技能运动. 该系统使机器人能够自动切换步态,跟踪目标,并从故障中恢复,增强敏捷的运动.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 控制理论 控制理论
背景情况:
- 为四足机器人开发敏捷和适应性强的机器人是复杂任务的关键.
- 当前的方法往往难以实现无的技能转换和故障恢复.
研究的目的:
- 开发一个层次化的学习和优化框架,用于四足机器人的协调良好的多技能运动.
- 为了实现自动技能切换,目标跟踪和快速故障恢复.
主要方法:
- 一个分层的框架,结合了深度强化学习和优化过程.
- 将接触模式纳入步态学习的奖励条款.
- 一个更高层次的政策学会了为多技能机动作构建个别步态.
- 一个外部优化循环更新技能交换距离.
主要成果:
- 在模拟和真实的Unitree A1机器人上成功演示了多技能的机动运动 (拖行,横行,马).
- 基于目标距离的自动和自然技能转换.
- 从意想不到的故障中迅速恢复,成功恢复机动.
- 与基线相比,提高学习表现和更顺的技能过渡.
结论:
- 拟议的框架有效地学习和协调四足机器人的多种运动技能.
- 该系统表现出适应性,对失败的强度和自然技能过渡.
- 这种方法在复杂,动态的环境中提升了腿类机器人的能力.
