Booster Gym: 面向人形机器人 locomotion 的端到端强化学习框架
机器人学
2025-06-19 v1
摘要
近期的强化学习(RL)进展推动了人形机器人 locomotion 的显著进展,简化了在仿真中设计和训练运动策略的过程。然而,众多实现细节使得将这些策略迁移到实际机器人具有挑战性。为此,我们开发了一个覆盖从训练到部署的全过程的综合代码框架,集成了常见的RL训练方法、域随机化、奖励函数设计以及处理并行结构的解决方案。该库作为社区资源提供,并附有详细的设计说明和实验结果。我们在 Booster T1 机器人上对该框架进行了验证,表明所训练的策略能够无缝迁移到实际平台,实现全向行走、抗扰动和地形适应等能力。我们希望本工作为机器人社区提供便利工具,加速人形机器人的开发。代码可在 https://github.com/BoosterRobotics/booster_gym 查看。
关键词
引用
@article{arxiv.2506.15132,
title = {Booster Gym: An End-to-End Reinforcement Learning Framework for Humanoid Robot Locomotion},
author = {Yushi Wang and Penghui Chen and Xinyu Han and Feng Wu and Mingguo Zhao},
journal= {arXiv preprint arXiv:2506.15132},
year = {2025}
}