MASH：面向单人形机器人运动的协作异构多智能体强化学习
机器人学
2025-08-15 v1 人工智能
系统与控制
系统与控制
摘要
本文提出了一种通过协作异构多智能体深度强化学习（MARL）来增强单个人形机器人运动的新方法。虽然现有方法通常对单个人形机器人采用单智能体强化学习算法，或对多机器人系统任务采用 MARL 算法，但我们提出了一种独特的范式：应用协作异构 MARL 来优化单个人形机器人的运动。所提出的方法，即面向单人形机器人运动的多智能体强化学习（MASH），将每个肢体（腿和手臂）视为一个独立的智能体，探索机器人的动作空间，同时共享一个全局评论家进行协作学习。实验表明，MASH 加速了训练收敛并提高了全身协作能力，优于传统的单智能体强化学习方法。这项工作推动了 MARL 与单一人形机器人控制的融合，为高效的运动策略提供了新的见解。
引用
@article{arxiv.2508.10423,
title = {MASH: Cooperative-Heterogeneous Multi-Agent Reinforcement Learning for Single Humanoid Robot Locomotion},
author = {Qi Liu and Xiaopeng Zhang and Mingshan Tan and Shuaikang Ma and Jinliang Ding and Yanjie Li},
journal= {arXiv preprint arXiv:2508.10423},
year = {2025}
}