离散时间混合自动机学习：腿部 locomotion 遇见滑板
机器人学
2025-04-08 v2
摘要
混合 dynamical 系统包含连续流和离散模式切换，可用于建模机器人任务，如腿部机器人 locomotion。基于模型的方法通常依赖于预定义的 gait，而基于模型的方法缺乏明确的模式切换知识。当前方法通过分段在回归连续流之前识别离散模式，但在没有轨迹标签或分段的情况下学习高维复杂刚体动力学是一个具有挑战性的开放问题。本文引入离散时间混合自动机学习（DHAL），用于在没有轨迹分段或事件函数学习的情况下识别和执行模式切换。此外，我们将其嵌入强化学习管道，并采用 beta policy 分布和多 critic 架构来建模 contact-guided 动作，示例为具有挑战性的四足机器人滑板任务。我们通过充足的真实世界测试验证了该方法，展示了稳健的性能和在混合 dynamical 系统中与人类直觉一致的模式识别。
关键词
引用
@article{arxiv.2503.01842,
title = {Discrete-Time Hybrid Automata Learning: Legged Locomotion Meets Skateboarding},
author = {Hang Liu and Sangli Teng and Ben Liu and Wei Zhang and Maani Ghaffari},
journal= {arXiv preprint arXiv:2503.01842},
year = {2025}
}