Variable Stiffness for Robust Locomotion through Reinforcement Learning

doi:10.1016/j.ifacol.2025.10.201

Variable Stiffness for Robust Locomotion through Reinforcement Learning

2025-11-01

0

PRE

AI

DOI：10.1016/j.ifacol.2025.10.201

原文链接

原文求助

摘要

En 中文

强化学习驱动的步态运动使足式机器人能够执行高度动态的动作，但通常伴随耗时的人工关节刚度调校。本文介绍了一种新型控制范式，将可变刚度整合到动作空间中，与关节位置协同作用，从而实现分组刚度控制，例如按关节刚度（PJS）、按腿刚度（PLS）以及混合关节-腿刚度（HJLS）。我们证明，采用按腿刚度（PLS）分组的可变刚度策略，在速度跟踪和抗推恢复方面优于基于位置的控制。相比之下，HJLS在能量效率方面表现突出。尽管我们的策略仅基于平坦地面训练，但该方法在多样化的户外地形上展示了稳健的行走行为，表明了强大的模拟到现实迁移能力。我们的方法通过消除按关节刚度调校的设计，在保持多种指标竞争性结果的同时简化了设计。版权所有©2025 作者。本文是开放获取文章，遵循CC BY-NC-ND许可协议（https://creativecommons.org/licenses/by-nc-nd/4.0/）。

Keyword:

reinforcement learning

quadruped locomotion

variable stiffness

sim-to-real

Variable Stiffness for Robust Locomotion through Reinforcement Learning

摘要

期刊

机构

引用论文