EasyUUV：面向UUV姿态控制的LLM增强型通用轻量化仿真到现实强化学习框架
机器人学
2026-02-13 v2
摘要
尽管近期在无人 underwater 车（UUV）姿态控制方面取得了进展，现有方法仍在可泛化性、对现实扰动的鲁棒性以及高效部署方面存在挑战。为此，本文提出EasyUUV，一个大语言模型（LLM）增强、通用、轻量化的仿真到现实强化学习（RL）框架，用于UUV的稳健姿态控制。EasyUUV结合并行化RL训练与混合控制架构，其中学习策略输出高级姿态校正，由自适应S-Surface控制器执行。进一步集成多模态LLM，通过视觉和文本反馈自适应调节控制器参数，实现对未建模动力学的训练-free适应。我们还开发了低成本6自由度UUV平台，并应用通过高效并行仿真训练的RL策略。广泛的仿真和现实实验验证了EasyUUV在实现稳健和自适应UUV姿态控制方面的有效性和卓越性能。为促进可重复性和进一步研究，本文提供了源代码、LLM提示词及补充视频，存放于以下仓库：主页：https://360zmem.github.io/easyuuv/ 视频：https://youtu.be/m2yLQzxiIL
引用
@article{arxiv.2510.22126,
title = {EasyUUV: An LLM-Enhanced Universal and Lightweight Sim-to-Real Reinforcement Learning Framework for UUV Attitude Control},
author = {Guanwen Xie and Jingzehua Xu and Jiwei Tang and Yubo Huang and Zixi Wang and Shuai Zhang and Dongfang Ma and Juntian Qu and Xiaofan Li},
journal= {arXiv preprint arXiv:2510.22126},
year = {2026}
}
备注
10 pages, 13 figures