集成轨迹优化与强化学习的四足机器人跳跃及地形自适应着陆
机器人学
2025-09-17 v1
摘要
跳跃是四足机器人运动能力的重要组成部分，包括动态起跳和自适应着陆。现有的四足机器人跳跃研究主要假设着陆地面平坦，并集中于支撑期和飞行期，这在许多真实世界场景中是不切实际的。本工作提出了一种安全着陆框架，通过将轨迹优化（Trajectory Optimization, TO）与强化学习（Reinforcement Learning, RL）相结合，实现在粗糙地形上的自适应着陆。RL 智能体在包含粗糙地形的环境中学习跟踪由 TO 生成的参考运动。为了能够在具有挑战性的地形上学习柔顺着陆技能，我们设计了一种奖励松弛策略，以鼓励在着陆恢复阶段进行探索。大量实验验证了所提方法在多种场景下带来的精确跟踪和安全着陆技能。
引用
@article{arxiv.2509.12776,
title = {Integrating Trajectory Optimization and Reinforcement Learning for Quadrupedal Jumping with Terrain-Adaptive Landing},
author = {Renjie Wang and Shangke Lyu and Xin Lang and Wei Xiao and Donglin Wang},
journal= {arXiv preprint arXiv:2509.12776},
year = {2025}
}
备注
Accepted by IROS 2025