VOCALoco：可靠性优化 费用感知 自适应 locomotion
量子物理
2026-04-03 v1
摘要
最近的四足机器人 locomotion 进展促进了越来越复杂地形的遍历。尽管取得了这些进展，但许多现有方法依赖于端到端深度强化学习（DRL），这在针对新地形的泛化性方面存在安全性和可解释性等局限性。为克服这些挑战，我们引入VOCALoco，一种模块化技能选择框架，能够根据感知输入动态调整 locomotion 策略。给定一组预训练的 locomotion 策略，VOCALoco通过预测执行安全性和在固定规划时段内预期运输成本来评估其可行性和能耗。这种联合评估使能够在所观察到的局部地形下选择既安全又能效的策略。我们在楼梯 locomotion 任务上评估了该方法，展示了其在模拟和实际场景中使用四足机器人时的性能。实证结果表明，VOCALoco在楼梯上升和下降中比传统端到端DRL策略实现了改进的鲁棒性和安全性。
关键词
引用
@article{arxiv.2510.23996,
title = {Nonreciprocity enhanced Quantum Gyroscopes based on Surface Acoustic Waves},
author = {Y. T. Zhu and Shibei Xue and Fangfang Ju and Haidong Yuan},
journal= {arXiv preprint arXiv:2510.23996},
year = {2026}
}
备注
Submitted to Physical Review Applied