基于启发式步规划的学习型双足 locomotion 步态规划：模型基于与模型无基于方法的比较研究
机器人学
2025-12-01 v2
摘要
本工作提出了一个扩展框架，用于学习型双足 locomotion，集成了由期望腰部速度跟踪引导的启发式步规划策略。该框架实现了人oid 机器人与环境之间的精确交互，支持跨越间隙和准确接近目标对象的任务。不同于基于完整或简化动力学的方法，所提方法避免了复杂的步规划器和解析模型。步规划主要由启发式命令驱动，Raibert 类型控制器根据期望与实际腰部速度之间的误差调节脚步位置长度。在本文中，我们将该方法与一种基于模型的步规划方法——线性倒摆模型（LIPM）控制器进行比较。实验结果表明，我们的方法在维持目标速度（最高达到 80%）方面达到了可 comparable 或更好的准确性，在不均匀地形上具有显著更大的鲁棒性（提高了 50% 以上），并实现了更好的能源效率。这些结果表明，即使在非结构化环境中，纳入复杂分析性、基于模型的组件到训练架构中可能是实现稳定和鲁棒双足行走的不必要的。
引用
@article{arxiv.2511.00840,
title = {Heuristic Step Planning for Learning Dynamic Bipedal Locomotion: A Comparative Study of Model-Based and Model-Free Approaches},
author = {William Suliman and Ekaterina Chaikovskaia and Egor Davydenko and Roman Gorbachev},
journal= {arXiv preprint arXiv:2511.00840},
year = {2025}
}