从几秒演示中学习四足动物步行
机器学习
2026-03-10 v1 人工智能
摘要
四足 locomotion 提供了一种自然场景，用于理解在何种情况下基于模型的学习能够超越基于模型的控制设计，通过利用数据模式来规避离散接触优化以及模式变化的组合爆炸问题。我们对四足动物 imitation learning 为何在小数据 regime 中本质上有效进行了原则性分析，基于其 limit cycles、Poincaré return maps 以及神经网络的局部数值性质。这种理解激发了一种新的 imitation learning 方法，用于调节潜在空间变化与输出动作变化之间的对齐。硬件实验确认，仅需几秒钟的演示即可从头开始以离线方式训练各种 locomotion policies，且具有相当的鲁棒性。
引用
@article{arxiv.2603.06961,
title = {Learning Quadruped Walking from Seconds of Demonstration},
author = {Ruipeng Zhang and Hongzhan Yu and Ya-Chien Chang and Chenghao Li and Henrik I. Christensen and Sicun Gao},
journal= {arXiv preprint arXiv:2603.06961},
year = {2026}
}