基于深度强化学习的动作先验学习：在复杂地形上实现自然且稳健的六足机器人 locomotion
机器人学
2025-11-06 v1
摘要
多足机器人通过多条腿与环境交互，能够在复杂地形上实现增强的稳定性。然而，如何在更大的动作探索空间中有效协调多条腿，以生成自然且稳健的运动，仍是关键问题。本文引入了基于动作先验的方法，成功地将深度强化学习算法应用于实际六足机器人。我们生成一组优化后的动作先验数据集，并训练基于先验的对抗性判别器，以引导六足机器人学习自然的行走模式。学习到的策略成功迁移至实际六足机器人，展示出在复杂地形中无需视觉信息即可实现自然行走模式和卓越稳健性。这是首次将强化学习控制器应用于实际六足机器人实现复杂地形行走。
关键词
引用
@article{arxiv.2511.03167,
title = {Learning Natural and Robust Hexapod Locomotion over Complex Terrains via Motion Priors based on Deep Reinforcement Learning},
author = {Xin Liu and Jinze Wu and Yinghui Li and Chenkun Qi and Yufei Xue and Feng Gao},
journal= {arXiv preprint arXiv:2511.03167},
year = {2025}
}