面向快速 locomotion 的 History-Aware Curriculum Learning (HACL)
机器人学
2025-11-19 v2
摘要
我们解决的是致力于敏捷快速运动的问题，这是四足和二足机器人中的关键特征。我们提出了一种新算法，通过考虑运动的时间维度来维持稳定性并生成高速轨迹。我们的公式基于一种新颖的 history-aware curriculum Learning (HACL) 算法，考虑过去的信息。我们使用循环神经网络 (RNN) 对关节速度命令相对于观察到的线性和角奖励的历史进行建模。隐藏状态帮助课程学习在给定时间步长内，前向线性速度和角速度命令与奖励之间的关系。我们在 MIT Mini Cheetah、Unitree Go1 和 Go2 机器人上进行了仿真环境测试，并在 Unitree Go1 机器人上进行了实际场景测试。实际情况下，HACL 在给定指令速度为 7m/s 时实现了最高前向速度为 6.7 m/s，并在先前 locomotion 算法中实现了近 20% 的优势。
引用
@article{arxiv.2505.18429,
title = {HACL: History-Aware Curriculum Learning for Fast Locomotion},
author = {Prakhar Mishra and Amir Hossain Raj and Xuesu Xiao and Dinesh Manocha},
journal= {arXiv preprint arXiv:2505.18429},
year = {2025}
}