SEA-Nav：在密集环境中安全且高效的四足机器人导航策略学习
机器人学
2026-03-11 v1
摘要
在密集封闭环境中高效训练四足机器人导航 remains 一个重要挑战。现有方法要么因缺乏简单障碍分布下的安全性和敏捷性受限，要么在复杂环境中运动缓慢，往往需要冗长的训练阶段。为此，我们提出 SEA-Nav（Safe, Efficient, and Agile Navigation），即四足导航的强化学习框架。在多样化且密集的障碍环境中，基于可微控制屏障函数（CBF）的护盾约束了导航策略，以输出安全的速度命令。引入自适应碰撞回放机制和危险探索奖励，以提高从关键经验中学习的概率，引导高效的探索与开发。最后，纳入运动学动作约束，以确保安全的速度命令，促进实际部署的成功。就本文而言，这是首个在实时世界上以分钟级训练时间实现高度挑战性四足导航的 approach。
引用
@article{arxiv.2603.09460,
title = {SEA-Nav: Efficient Policy Learning for Safe and Agile Quadruped Navigation in Cluttered Environments},
author = {Shiyi Chen and Mingye Yang and Haiyan Mao and Jiaqi Zhang and Haiyi Liu and Shuheng He and Debing Zhang and Zihao Qiu and Chun Zhang},
journal= {arXiv preprint arXiv:2603.09460},
year = {2026}
}
备注
Project website: https://11chens.github.io/sea-nav/