学习敏捷游动：一种无需CPG的端到端方法

对敏捷高效水下机器人，特别是仿生机器鱼的追求，一直受到难以创建能够充分利用其水动力能力的运动控制器的阻碍。本文通过引入一种新颖的、无模型的、端到端的控制框架来应对这些挑战，该框架利用深度强化学习（DRL）使机器鱼能够实现敏捷且节能的游动。与依赖预定义三角函数游动模式（如中央模式发生器（CPG））的现有方法不同，我们的方法直接输出低层级执行器命令，没有强约束，使机器鱼能够学习敏捷的游动行为。此外，通过集成高性能计算流体动力学（CFD）模拟器与创新的模拟到现实策略，例如归一化密度校准和伺服响应校准，所提出的框架显著缩小了模拟到现实的差距，促进了控制策略无需微调即可直接迁移到真实环境。对比实验表明，与最先进的游动控制器相比，我们的方法实现了更快的游动速度、更小的转弯半径和更低的能耗。此外，所提出的框架在解决复杂任务方面显示出潜力，为机器鱼在真实水生环境中的更有效部署铺平了道路。