面向迷你气球机器人倒置姿态的鲁棒控制策略学习
机器人学
2026-03-09 v2
摘要
实现和维持倒置姿态对于释放迷你气球机器人（MBR）的全部灵活性至关重要。然而，为MBR开发可靠的倒置控制策略仍然具有挑战性，因为其复杂且不完全可控的动力学。为此，我们提出了一种新框架，使能够为MBR的倒置姿态学习鲁棒控制策略。该框架由三个核心阶段组成。首先，构建并使用真实世界MBR运动数据校准的高保真三维（3D）仿真环境。其次，采用修改型Twin Delayed Deep Deterministic Policy Gradient（TD3）算法结合域随机化策略，在仿真环境中训练鲁棒倒置控制策略。最后，设计一种映射层，以弥合仿真到现实之间的差距并促进所学策略的现实部署。综合的仿真环境评估表明，所学策略的成功率高于能量塑形控制器。此外，实验结果确认，带有映射层的所学策略使MBR能够在现实环境中实现并维持完全倒置姿态。
引用
@article{arxiv.2602.23972,
title = {Learning Robust Control Policies for Inverted Pose on Miniature Blimp Robots},
author = {Yuanlin Yang and Lin Hong and Fumin Zhang},
journal= {arXiv preprint arXiv:2602.23972},
year = {2026}
}
备注
Accepted in ICRA 2026