AcL：面向容错四足动物 locomotion 控制的动作学习器
机器人学
2025-03-31 v2 机器学习
系统与控制
系统与控制
摘要
四足动物机器人能够学习灵活的运动技能，但在一或多个关节失去动力时仍然脆弱。相比之下，狗和猫在受伤时可自主采用支撑行走，展现出对物理条件的显著适应能力。以此为灵感，本文提出了动作学习器（Action Learner, AcL），一种 Novel 的教师-学生强化学习框架，使四足动物能够在多种关节故障下自主适应其行走步态以实现稳定行走。不同于传统教师-学生方法强制严格模仿，AcL 利用教师策略生成风格奖励，引导学生策略而无需精确复制。我们训练多个教师策略，每个策略对应不同的故障条件，随后将其蒸馏到单个具有编码器-解码器结构的学生策略中。虽然先前工作主要解决单关节故障，但 AcL 使四足动物能够在一个或两个腿上最多出现四个故障关节的情况下行走，并在故障发生时自动在不同支撑步态之间切换。我们在真实的 Go2 四足机器人上进行了验证，测试了单关节和双关节故障，展示了容错、稳定的行走、正常步态与羔羊步态之间的平滑转换，以及对外部扰动的鲁棒性。
关键词
引用
@article{arxiv.2503.21401,
title = {AcL: Action Learner for Fault-Tolerant Quadruped Locomotion Control},
author = {Tianyu Xu and Yaoyu Cheng and Pinxi Shen and Lin Zhao},
journal= {arXiv preprint arXiv:2503.21401},
year = {2025}
}