面向爬网空间中四足机器人运动的点云监督式专利驱动强化学习
机器人学
2025-12-05 v2
摘要
在受限空间中的四足 locomotion 挑战性大。在爬网空间中，当前的专利驱动 locomotion 学习方法难以实现遍历，因为仅推断地面特征。本研究提出了一种用于爬网空间中专利驱动 locomotion 的点云监督式强化学习框架。设计了一个状态估计网络，用于估计机器人的碰撞状态以及地面和空间特征以进行 locomotion。提出了一种点云特征提取方法来监督状态估计网络。该方法使用点云在极坐标框架中的表示以及 MLP 进行高效特征提取。实验表明，与现有方法相比，本方法在训练中表现出更快的迭代时间，并在爬网空间中实现更灵活的 locomotion。该研究增强了四足机器人在受限空间中遍历的能力，而无需依赖外部感知传感器。
引用
@article{arxiv.2508.09950,
title = {PPL: Point Cloud Supervised Proprioceptive Locomotion Reinforcement Learning for Legged Robots in Crawl Spaces},
author = {Bida Ma and Nuo Xu and Chenkun Qi and Xin Liu and Yule Mo and Jinkai Wang and Chunpeng Lu},
journal= {arXiv preprint arXiv:2508.09950},
year = {2025}
}
备注
Accepted by RA-L