Giovanbattista Gravina

深度强化学习赋能容错四足机器人运动

研究人员开发了一种深度强化学习方法，使具腿机器人能够在硬件故障（特别是执行器断电）的情况下保持运动和稳定性。该方法利用非对称的Actor-Critic架构和潜在对齐损失来确保训练过程中的一致性表示。一项关键创新是包含了一个可学习的步态频率参数，允许机器人在不预先定义故障腿策略的情况下，根据不断变化的情况和退化情况调整其步态时序。该方法已在高度保真的模拟和真实的四足机器人上成功演示。