基于预测能量感知标称步态选择的轮式四足机器人高效全向移动
机器人学
2026-01-19 v1
摘要
轮腿式机器人结合了轮子的效率与腿的通用性，但在不同环境中导航时面临重大的能量优化挑战。在这项工作中，我们提出了一种分层控制框架，该框架将预测性能量建模与残差强化学习相结合，以优化轮式四足机器人的全向移动效率。我们的方法采用了一种新颖的功率预测网络，可以在 1 秒的时间范围内预测不同步态模式下的能量消耗，从而能够智能地选择最节能的标称步态。然后，强化学习策略生成对该标称步态的残差调整，微调机器人的动作，以平衡能效与性能目标。对比分析表明，与固定步态方法相比，我们的方法在保持相当速度跟踪性能的同时，将能耗降低了高达 35%。我们通过在改装的 Unitree Go1 平台上进行的大量仿真和真实世界实验验证了我们的框架，证明了即使在外部干扰下也能保持鲁棒性能。视频和实现细节可在 \href{https://sites.google.com/view/switching-wpg}{https://sites.google.com/view/switching-wpg} 获取。
引用
@article{arxiv.2601.10723,
title = {Energy-Efficient Omnidirectional Locomotion for Wheeled Quadrupeds via Predictive Energy-Aware Nominal Gait Selection},
author = {Xu Yang and Wei Yang and Kaibo He and Bo Yang and Yanan Sui and Yilin Mo},
journal= {arXiv preprint arXiv:2601.10723},
year = {2026}
}
备注
Published in IEEE IROS 2025