首页 /研究 /基于深度强化学习的蛇形机器人在动态粘性环境中的自适应波动运动
LOCOMOTION

基于深度强化学习的蛇形机器人在动态粘性环境中的自适应波动运动

Tsuyoshi Kimoto, Akio Yamano, Kohei Honda, Takashi Iwasa

发表年份
2026
访问权限
开放获取

摘要

本文利用深度强化学习使蛇形机器人能够在动态变化的粘性环境中自适应运动,克服了传统预定义控制方法的性能限制。通过非对称演员-评论家框架,教师策略利用模拟器中的特权信息训练学生策略,使其仅依赖本体感觉信息,在宽范围粘度变化下自主获得非正弦自适应步态,显著提升推进速度和运输效率。

关键词

snake-like robotdeep reinforcement learningadaptive locomotionviscous environmentprivileged information distillation

相关论文

查看 LOCOMOTION 分类全部论文