四足动物 locomotion 中中枢模式发生器的在线优化
广义相对论与量子宇宙学
2026-01-21 v1 天体物理仪器与方法
摘要
典型的四足 locomotion 控制器设计或训练是在离线环境中完成的。这与许多动物相比，动物在出生后就能 locomotion，以及通过少量真实世界互动快速提高 locomotion 技能不同。这种运动控制通过位于脊髓中的振荡神经网络实现，这些网络被称为中枢模式发生器（CPG）。CPG 的模型已广泛用于机器人中生成 locomotion 技能，但需要 extensive 手工调优或通过遗传算法对相互连接的参数进行离线优化。本文提出了一种框架，用于通过贝叶斯优化实现 CPG 参数的在线优化。我们展示了该框架能够快速优化并适应各种速度命令以及地形变化，例如不同的摩擦系数、地坡角度以及放置在机器人上的额外质量负载。我们研究了感官反馈对 CPG 的影响，发现力反馈到相位方程中以及姿态控制（虚拟模型控制）都对机器人的稳定性和能源效率都有益。我们在 Unitree Go1 上的硬件实验表明，能够在不到3分钟内快速优化并适应各种场景下的能源效率步态，这些场景包括不同的摩擦系数、最多15公斤的额外负载以及最高10度的可变坡度。参见演示：https://youtu.be/4qq5leCI2AI
关键词
引用
@article{arxiv.2410.16416,
title = {Scalable matched-filtering pipeline for gravitational-wave searches of compact binary mergers},
author = {Yun-Jing Huang and Chad Hanna and Becca Ewing and Patrick Godwin and Joshua Gonsalves and Ryan Magee and Cody Messick and Leo Tsukada and Zach Yarbrough and Prathamesh Joshi and James Kennington and Wanting Niu and Jameson Rollins and Urja Shah},
journal= {arXiv preprint arXiv:2410.16416},
year = {2026}
}
备注
8 pages, 4 figures