RobotKeyframing：通过稠密稀疏奖励混合学习 locomotion 中的高级目标关键帧

本文提出了一种新颖的基于学习的控制框架，使用关键帧方法在四足机器人的自然 locomotion 中融合高级目标。这些高级目标指定为可变数量的部分或完整姿态目标，以任意时间间隔分布。我们提出的框架利用多 critic 强化学习算法有效处理稠密稀疏奖励的混合情况。此外，它采用基于 transformer 的编码器以 accommodate 可变数量的输入目标，每个目标都与特定的时间到达关联。在仿真和硬件实验期间，我们证明了该框架能够在所需时间满足目标关键帧序列。实验中，多 critic 方法显著减少了相对于标准单 critic 方法的超参数调优工作量。此外，提出的基于 transformer 的体系结构使机器人能够预见未来目标，从而在其到达目标能力方面实现定量改进。