多约束最优下局部导航中多样技能的习得

尽管数据驱动控制在机器人领域有许多成功应用，提取有意义的多样行为仍是一项挑战。通常，为了实现多样性不得不折损任务性能。在许多场景中，任务需求被指定为多个奖励项，每一项都需要不同的权衡。在这项工作中，我们从约束优化视角看待质量—多样性权衡，并表明我们可以在对其通过不同奖励定义的价值函数施加约束的同时获得多样策略。与先前工作一致，多样性的进一步控制可通过受范德瓦尔斯力启发的吸引—排斥奖励项实现。我们在局部导航任务上验证了方法的有效性，其中四足机器人需在有限时域内到达目标。最后，我们训练的策略很好地迁移到真实的 12 自由度四足机器人 Solo12，并展现出成功的障碍穿越与多样的敏捷行为。