四足机器人分层强化学习步态自适应框架提出

一项 arXiv 论文提出分层强化学习（HRL）框架，用于四足机器人的节能步态自适应：把高频的关节级运动执行策略与低频的步态自适应策略分开，后者显式最小化运输成本（CoT）。作者称经三阶段 Isaac 训练流程实现零样本仿真到现实迁移，学习到的策略会随速度自动切换步态——低速踱步、高速小跑。 该框架已在 Unitree AlienGo 四足机器人上完成零样本部署；上述效果为论文作者报告，尚未见独立复现或第三方验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。