首页 /研究 /加速和扩展MPC引导的强化学习用于人形机器人行走与操作
LOCOMOTION

加速和扩展MPC引导的强化学习用于人形机器人行走与操作

Junheng Li, Liang Wu, Sergio A. Esteban, Lizhi Yang, Ján Drgoňa, Aaron D. Ames

发表年份
2026
访问权限
开放获取

摘要

本文提出了一种结合模型预测控制(MPC)和强化学习(RL)的高效训练框架MPC-RL,用于人形机器人的行走与操作任务。通过引入质心动力学MPC奖励公式和并行GPU求解器π^nMPC,该方法在训练速度和内存效率上显著提升,并在仿真和硬件实验中展示了优越性能。

关键词

model predictive controlreinforcement learninghumanoid locomotionparallel GPU solverwhole-body manipulation

相关论文

查看 LOCOMOTION 分类全部论文