基于无监督学习的四足机器人多样化技能发现
机器人学
2026-02-11 v1
摘要
强化学习需要专家精心设计奖励函数以激发目标行为，而模仿学习则依赖于高昂的任务特定数据。相比之下，无监督技能发现可通过内在动机学习出多样化且实用技能 repertoire，从而减轻这两种负担。然而，现有方法存在两个关键局限：它们通常依赖单一策略来掌握多样化行为集合，而未建模行为间的共享结构或差异，导致学习效率低；此外，容易出现奖励作弊，即奖励信号快速增长收敛，所学技能实际多样性不足。本文引入正交混合专家（OMoE）架构，防止多样化行为坍缩为重叠表征，使单个策略能够掌握广泛的 locomotion 技能。此外，我们设计多判别器框架，不同判别器 operate on 各自独立的观察空间，从而有效缓解奖励作弊。我们在 12-DOF Unitree A1 四足机器人上进行评估，展示了一组多样化的 locomotion 技能。我们的实验表明，所提出的框架提升了训练效率，并实现了基线 18.3% 的状态空间覆盖率扩展。
引用
@article{arxiv.2602.09767,
title = {Diverse Skill Discovery for Quadruped Robots via Unsupervised Learning},
author = {Ruopeng Cui and Yifei Bi and Haojie Luo and Wei Li},
journal= {arXiv preprint arXiv:2602.09767},
year = {2026}
}