VMTS：用于双足机器人多地形行走的视觉辅助师生强化学习
机器人学
2025-07-21 v2
摘要
双足机器人由于其仿人设计，在各种应用中展现出巨大潜力，但其控制受到结构复杂性的阻碍。目前，大多数研究集中在基于本体感知的方法上，这些方法缺乏克服复杂地形的能力。虽然视觉感知对于在以人为中心的环境中操作至关重要，但其集成会进一步使控制复杂化。最近的强化学习（RL）方法在增强足式机器人行走方面显示出前景，特别是基于本体感知的方法。然而，地形适应性，尤其是对于双足机器人，仍然是一个重大挑战，大多数研究集中在平坦地形场景上。在本文中，我们引入了一种新颖的混合专家师生网络强化学习策略，该方法通过一种简单而有效的方法，增强了基于视觉输入的师生策略的性能。我们的方法将地形选择策略与教师策略相结合，与传统模型相比取得了更优的性能。此外，我们在教师网络和学生网络之间引入了对齐损失，而非强制严格的相似性，以提高学生在不同地形上的导航能力。我们在 Limx Dynamic P1 双足机器人上实验验证了我们的方法，证明了其在多种地形类型上的可行性和鲁棒性。
引用
@article{arxiv.2503.07049,
title = {VMTS: Vision-Assisted Teacher-Student Reinforcement Learning for Multi-Terrain Locomotion in Bipedal Robots},
author = {Fu Chen and Rui Wan and Peidong Liu and Nanxing Zheng and Bo Zhou},
journal= {arXiv preprint arXiv:2503.07049},
year = {2025}
}