摘要四足机器人正越来越多地出现在灾害救援、野外巡检等非结构化场景中，但想在复杂地形下兼顾效率与稳定性仍是一个难点。基于强化学习的运动控制器里，混合内模方法只用本体感知信号就能达到不错的鲁棒性。不过这类方法的奖励函数大多采用固定权重，地形风险变了，策略偏好却没法跟着调——结果平地上速度和能效上不去，崎岖路段又容易摔倒。本文以 HIMLoco（Hybrid Internal Model for Locomotion）为基础框架，设计了一套本体感知驱动的自适应奖励调度方案。该方案用姿态波动、关节力矩变化、足端接触稳定性和动作平滑度四个维度的信号构造地形难度指标，再经过...
发表评论取消回复