#多评论家 (1)

用于全身末端执行器旋量跟踪的多评论家学习方法

在单一策略中学习行走和手臂运动的全身控制面临挑战，因为两个任务存在冲突目标。例如，高效的行走通常偏好水平基座朝向，而末端执行器跟踪可能受益于基座倾斜以扩大可达范围。此外，当前使用基于位姿任务规范的强化学习（RL）方法缺乏直接控制末端执行器速度的能力，使得平滑执行轨迹非常困难。为解决这些限制，我们提出了一种基于 RL 的框架，支持动态的、速度感知的全身末端执行器控制。该方法引入多评论家执行器架构，解耦行走和操作的奖励信号，简化奖励调参并使策略能更有效地解决任务冲突。此外，我们设计了基于旋量的末端执行器任务规范，可同时跟踪离散位姿和运动轨迹。我们通过使用配备机械臂的四足机器人的仿真和硬件实验验证了该方法。所得控制器可同时行走和移动末端执行器，并展现出涌现的全身行为——在没有明确公式的情况下基座协助手臂扩展工作空间。