arXiv Robotics· Simone Manni, Annika Wollschl\"ager, Dario Bellicoso, Abel Gawel, Marco Hutter, Simon Le Cleac'h, Jan Br\"udigam·· 3 小时前AI 评分34
通过相位条件策略优化学习多阶段机器人移动操作
Learning Multi-Phase Robot Loco-Manipulation via Phase-Conditioned Policy Optimization
AI 导读
研究将PPO扩展为相位条件策略优化，用相位条件critic、相位门控奖励函数和多相位重置课程训练单一策略完成多阶段移动操作任务。方法采用解耦分层控制架构，分离底层平衡动力学与高层相位执行，在Unitree G1和搭载机械臂的Boston Dynamics Spot上验证了多阶段技能，并通过消融实验检验设计选择。该策略仅通过环境交互习得复杂行为，无需依赖人类运动数据。
来源：arXiv Robotics · arxiv.org