DynSyn：面向过配置具身系统的高效学习与控制的动力学协同表示

为控制高维、过配置的系统，深度强化学习算法面临重大挑战。此类控制场景常出现在脊椎动物肌肉生物力学系统的神经控制中。对这些控制机制的研究将为控制高维、过配置的系统提供洞见。执行器的协调（在神经生物力学中称为肌肉协同）被视为简化运动指令生成的假设机制。系统的动力学结构是其功能的基础，允许我们推导出执行器的协同表示。鼓励此理论，我们提出了动力学协同表示（DynSyn）算法。DynSyn旨�从动力学结构中生成协同表示，并对表示进行特定于任务的、状态依赖的调整以改进运动控制。我们在涉及不同肌肉生物力学模型的各种任务中展示了DynSyn的效率，实现了相对于基线算法的领先样本效率和鲁棒性。DynSyn生成可解释的协同表示，捕捉动力学结构的关键特征，并在多样化的运动任务中表现出良好的可推广性。