行走、滚动及更远：基于 TARS 机器人的一阶原理与强化学习 locomotion
机器人学
2025-10-07 v1
摘要
机器人 locomotion 研究通常取材于生物学启发的腿部设计，但许多人工工程场景可受益于非人类化形态。TARS3D 将《星际穿越》中的方块形 'TARS' 机器人译为一个 0.25 米高、0.99 公斤的研究平台，拥有七个执行度的自由度。该影片展示了两种主要步态：类似双足的行走和高速滚动模式。对于 TARS3D，我们为每种步态构建简化模型，推导出闭式极限循环条件，并在硬件上验证预测结果。实验确认该机器人遵守 +/-150 度的髋部限制，左右接触交替且不发生干扰，并在滚动模式下维持八步混合极限循环。由于每个伸缩腿提供四个接触角点，滚动步态被建模为八辐双轮轮子。该机器人的伸缩腿部冗余意味着其步态 repertoire 远大于两种分析得到的极限循环。因此，我们使用深度强化学习 (DRL) 在仿真中搜索未被探索的空间。我们观察到，学习得到的策略在正确的先验条件下能够恢复分析得到的步态，并发现了新的行为。我们的发现表明，TARS3D 这种受小说启发的生物跨越形态能够实现多个此前未被探索的 locomotion 模式，进一步的学习驱动搜索很可能揭示更多。这种分析合成与强化学习的结合为多模态机器人提供了一条有前景的道路。
引用
@article{arxiv.2510.05001,
title = {Walking, Rolling, and Beyond: First-Principles and RL Locomotion on a TARS-Inspired Robot},
author = {Aditya Sripada and Abhishek Warrier},
journal= {arXiv preprint arXiv:2510.05001},
year = {2025}
}
备注
6 pages, 10 figures. Presented at IEEE-RAS International Conference on Humanoid Robots (Humanoids) 2025