模仿与微调模型预测控制以实现鲁棒对称四足运动
机器人学
2026-05-28 v3
摘要
腿式机器人控制是一个具有挑战性的问题，已被模型基控制与学习算法等不同方法研究。本工作提出一种新颖的模仿与微调模型预测控制（IFM）框架，以兼取两类方法之长。我们的框架首先使用微分动态规划与Raibert启发式开发常规模型预测控制器（MPC）作为专家策略。随后我们通过模仿学习训练该MPC的克隆，使控制器可学习。最后，我们利用有限探索的深度强化学习在更具挑战性的地形上进一步微调策略。通过全面的仿真与硬件实验，我们证明所提IFM框架能显著提升给定MPC控制器在粗糙、湿滑与传送带地形上的表现，这些地形需谨慎协调脚步。我们还展示了相较Vanilla RL，IFM能以极小的奖励塑形负担高效产生更对称、周期化且节能的步态。
引用
@article{arxiv.2311.02304,
title = {Imitating and Finetuning Model Predictive Control for Robust and Symmetric Quadrupedal Locomotion},
author = {Donghoon Youm and Hyunyoung Jung and Hyeongjun Kim and Jemin Hwangbo and Hae-Won Park and Sehoon Ha},
journal= {arXiv preprint arXiv:2311.02304},
year = {2026}
}