HierKick：基于双频分层强化学习的视觉引导足球机器人控制
机器人学
2026-03-03 v1
摘要
控制足球机器人涉及多时间尺度的决策，需要在长期战术规划和短期动作执行之间进行平衡。传统的端到端强化学习（RL）方法在复杂动态环境中面临挑战。本文提出了HierKick，一个基于双频分层RL的视觉引导足球机器人控制框架。该框架采用分层控制架构， featuring 一个以 5 Hz 为频率的高层策略，集成 YOLOv8 进行实时检测，并通过教练模型选择任务；以及一个预训练的 50 Hz 低层控制器，用于精确的关节控制。通过该架构，框架实现了接近、对齐、运球和踢球四个步骤。实验结果表明，该框架在 IsaacGym 中的成功率为 95.2%，在 Mujoco 中的成功率为 89.8%，在实际环境中的成功率为 80%。HierKick 为机器人控制复杂环境中的分层范式提供了有效的方案，可扩展至多时间尺度任务，其模块化设计和技能复用为智能机器人控制提供了新的路径。
引用
@article{arxiv.2603.00948,
title = {HierKick: Hierarchical Reinforcement Learning for Vision-Guided Soccer Robot Control},
author = {Yizhi Chen and Zheng Zhang and Zhanxiang Cao and Yihe Chen and Shengcheng Fu and Liyun Yan and Yang Zhang and Jiali Liu and Haoyang Li and Yue Gao},
journal= {arXiv preprint arXiv:2603.00948},
year = {2026}
}
备注
15 pages, 6 figures