arXiv Robotics· Nico Bohlinger, Jan Peters·· 13 小时前AI 评分38
STRIDE：用加速度奖励在数分钟内学会人形机器人行走
STRIDE: Learning Humanoid Locomotion in Minutes with Acceleration-Based Rewards
AI 导读
STRIDE 提出一种仅依赖机载 IMU 的人形机器人行走学习方法，用跟随指令加速度曲线替代基座速度跟踪作为奖励。它结合 off-policy RL 算法 XQC、关节位置控制器高增益设置与左右对称增强，在仿真中让 Unitree G1 和 Booster T1 在 14 分钟样本内学会行走。相比缺少这两项组件的情况，训练中跌倒减少 81%，而后者需超过一小时才能学会。
推荐理由模型分析
该工作把人形机器人强化学习运动奖励从跟踪基座速度改为跟踪指令加速度，仅依赖机载IMU，绕开了外部动捕或状态估计器的部署依赖。结合XQC离策略算法、高增益关节位置控制与左右对称增强，在Unitree G1和Booster T1仿真中14分钟样本内学会行走，相比缺少这两项组件训练跌倒减少81%。适合做足式机器人RL训练与真机迁移的开发者参考其奖励设计与样本效率基线，但结论限于仿真，尚未给出实机验证。
来源：arXiv Robotics · arxiv.org