Actor-Critic Framework-Based on Optimal Tracking Strategy for Snake Robots with Reinforcement Learning Method

Dongfang Li

doi:10.1109/tii.2026.3672669

Actor-Critic Framework-Based on Optimal Tracking Strategy for Snake Robots with Reinforcement Learning Method

2026-04-13

0

PRE

AI

DOI：10.1109/tii.2026.3672669

原文链接

原文求助

摘要

En 中文

串联蛇形机器人对非结构化环境具有强适应性，但其轨迹跟踪控制受到非线性动力学和模型不确定性的阻碍。本文提出了一种基于智能体-评论家强化学习框架的最优跟踪控制策略。该方法整合了视线引导与蛇形步态生成，同时利用神经网络辨识系统近似求解未知动力学的哈密顿-雅可比-贝尔曼方程。智能体和评论家网络用于在线更新控制策略和成本函数，降低了对精确模型的依赖。严格的定理分析证明位置和速度误差可实现半全局一致最终有界性。基于伺服驱动的偏航-俯仰联动交替串联蛇形机器人，进行了仿真和样机实验。结果表明，所提方法能够实现精确轨迹跟踪、快速收敛和稳定的关节控制，相比现有方法展示了其有效性和优越性。

Keyword:

Optimal tracking

reinforcement learning (RL)

series snake robot

Actor-Critic Framework-Based on Optimal Tracking Strategy for Snake Robots with Reinforcement Learning Method

摘要

期刊

机构