弥合差距：实现高性能腿式运动的软演员-评论家算法

Gianluca Sabatini, Chenhao Li, Marco Hutter

2026

摘要

本文揭示了软演员-评论家（SAC）算法在大规模并行训练中性能不如近端策略优化（PPO）的根本原因，并提出了策略初始化、超时感知评论家目标及多步回报估计等针对性改进，使得SAC在多种腿式机器人平台上完全弥合了与PPO的性能差距。

Soft Actor-Criticlegged locomotionsim-to-realsample efficiencyreinforcement learning

LOCOMOTION

开放获取📊 0 引用

Yuhang Wan, Weixian Lin, Letian Qian 等 8 位作者

2026

LOCOMOTION

开放获取📊 0 引用

Chongze Bi, Wenjie Wu, Zonghao Zuo 等 4 位作者

2026

LEARNING

开放获取📊 0 引用

Haoxiang You, Yilang Liu, Davis Zong 等 8 位作者

2026

PERCEPTION

开放获取

Zihui Zhang, Zhixuan Sun, Yafei Yang 等 6 位作者

2026