基于安全强化学习的双四足机器人在狭窄环境中的协作运输
机器人学
2026-02-19 v1
摘要
协作运输——即多个机器人协作运送货物——近年来受到广泛关注。虽然确保在狭窄环境中实现安全高性能的机器人间协作对于有效执行任务至关重要，但由于可行区域极其受限，却难以实现。为此，我们提出一种基于安全强化学习 (RL) 的双四足协作运输新方法。具体而言，我们将该任务建模为完全合作的受限马尔可夫游戏，其中将碰撞规避形式化为约束条件。我们引入一种成本-优势分解方法，以确保团队约束之和保持在上限以下，从而在 RL 框架内保证任务安全性。进一步，我们提出一种约束分配方法，将共享约束分配给单个机器人，以最大化整体任务奖励，鼓励机器人之间的自主任务分配，从而提高协作任务性能。仿真和实时实验结果表明，所提方法在双四足协作运输中实现了优异性能和更高的成功率。
引用
@article{arxiv.2602.16353,
title = {Dual-Quadruped Collaborative Transportation in Narrow Environments via Safe Reinforcement Learning},
author = {Zhezhi Lei and Zhihai Bi and Wenxin Wang and Jun Ma},
journal= {arXiv preprint arXiv:2602.16353},
year = {2026}
}