面向四足机器人的持续强化学习

四足机器人已成为一项不断演进的技术,目前利用模拟器开发出不需进一步训练即可在真实世界中运行的鲁棒控制器。然而,由于不可能预测所有真实世界情形,我们的研究探索使其即使在部署后也能持续学习的可能性。为此,我们设计了两种持续学习场景,在不同环境中顺序训练机器人,同时评估其在所有环境中的表现。我们的方法揭示了前向与后向技能迁移的程度,以及机器人可能遗忘已习得技能的程度。通过解决这些因素,我们希望提升四足机器人在真实世界场景中的适应性与性能。