MARG：基于高程映射的足式机器人危险间隙地形驾驭
机器人学
2025-09-30 v2
摘要
用于四足行走的深度强化学习（DRL）控制器在挑战性地形上展现了令人瞩目的性能，使机器人能够执行攀爬、奔跑和跳跃等复杂技能。然而，现有的盲行控制器往往难以确保在危险间隙地形中的安全与高效通过，这类地形通常高度复杂，要求机器人在行走过程中准确感知地形信息并选择合适的落脚点。同时，现有的基于感知的控制器仍存在若干实际局限，包括复杂的多传感器部署系统和高昂的计算资源需求。本文提出了一种名为MAstering Risky Gap Terrains（MARG）的DRL控制器，该控制器融合地形图与本体感知来动态调整动作，从而增强机器人在这些任务中的稳定性。在训练阶段，我们的控制器通过选择性引入特权信息（如质心、摩擦系数）来加速策略优化，这些信息在仿真中可用，但由于传感器限制，在实际部署中无法直接测量。我们还设计了三种与足部相关的奖励，以鼓励机器人探索安全的落脚点。更重要的是，我们提出了一种地形图生成（TMG）模型，以减少现有映射中的漂移，并仅使用一台LiDAR提供精确的地形图，为学习策略的零样本迁移奠定基础。实验结果表明，MARG在各类危险地形任务中保持了稳定性。
引用
@article{arxiv.2509.20036,
title = {MARG: MAstering Risky Gap Terrains for Legged Robots with Elevation Mapping},
author = {Yinzhao Dong and Ji Ma and Liu Zhao and Wanyue Li and Peng Lu},
journal= {arXiv preprint arXiv:2509.20036},
year = {2025}
}