自适应能量正则化用于自主步态转换与节能四足运动

在腿式机器人运动的强化学习中，设计有效的奖励策略至关重要。预定义的步态模式和复杂的奖励系统被广泛用于稳定策略训练。借鉴人类和动物自然运动行为（它们通过调整步态以最小化能量消耗），我们提出了一种简化的、以能量为中心的奖励策略，以促进四足机器人不同速度下节能运动的发展。通过实现自适应能量奖励函数并根据速度调整权重，我们证明了我们的方法使ANYmal-C和Unitree Go1机器人能够自主选择合适的步态，例如低速时四拍行走，高速时小跑，与之前使用复杂奖励设计和先验步态知识的方法相比，提高了能量效率并实现了稳定的速度跟踪。我们的策略的有效性通过在IsaacGym仿真环境和真实机器人上的仿真得到验证，展示了其促进稳定和自适应运动的潜力。