共识优化 (CBO)：机器人学中的全局最优性
机器人学
2026-02-09 v1
摘要
零阶优化近期因设计机器人系统的最优轨迹和策略而受到广泛关注。然而，大多数现有方法（如 MPPI、CEM、CMA-ES）皆为局部方法，因依赖梯度估计而受限。本文将共识优化 (CBO) 引入机器人学领域，该方法在温和假设下可保证收敛至全局最优。我们提供理论分析与示例，深入阐释 CBO 与现有方法的根本差异。为展示 CBO 在机器人问题中的可扩展性，我们考察三个具有挑战性的轨迹优化场景：(1) 简单系统的长时程问题，(2) 高度欠驱动系统的动态平衡问题，(3) 仅考虑终端代价的高维问题。结果表明，在所有三项具有挑战性的场景中，CBO 均实现了相对于现有方法更低的代价。这为机器人学中的全局轨迹优化开辟了新框架。
引用
@article{arxiv.2602.06868,
title = {Consensus-based optimization (CBO): Towards Global Optimality in Robotics},
author = {Xudong Sun and Armand Jordana and Massimo Fornasier and Jalal Etesami and Majid Khadiv},
journal= {arXiv preprint arXiv:2602.06868},
year = {2026}
}