分层强化学习助四足机器人节能换步态

研究者提出一种分层强化学习框架，把高频的关节级运动执行策略与低频的步态自适应策略分开，后者显式以运输成本（CoT）最小化为目标。 据该研究，框架经三阶段 Isaac 训练后实现零样本仿真到现实迁移，能随速度自动切换步态：低速用 pacing、高速用 trotting，在多种速度下降低运输成本，并在平坦、崎岖和倾斜地形保持稳健运动。 该框架已在 Unitree AlienGo 四足机器人上完成零样本部署，作者为 Ammar Issa 等人。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。