כתבה
arXiv cs.LG ·
אופטימיזציה של עלייה באנרגיה דרך רכיבת השליטה ההיררכית להתאמה של תנועה של רגליים ברכבי 4
Energy-Efficient Gait Adaptation via Hierarchical Reinforcement Learning for Quadrupedal Locomotion Across Diverse Terrains
אופטימיזציה של עלייה באנרגיה דרך רכיבת השליטה ההיררכית להתאמה של תנועה של רגליים ברכבי 4. המחקר עוסק בפיתוח רכיבת השליטה ההיררכית שמפחיתה את עליית האנרגיה בתנועה של רגליים ברכבי 4. הרכיבת השליטה ההיררכית מפחיתה את עליית האנרגיה בתנועה של רגליים ברכבי 4 על ידי פיתוח רכיבת השליטה ההיררכית.
תקציר מקורי באנגליתarXiv:2610.10297v1 Announce Type: cross Abstract: While energy efficiency is a critical objective for legged-robot locomotion control, achieving low energy consumption while maintaining robust performance across different velocity ranges and terrain conditions remains a key challenge. This is particularly true for end-to-end RL policies, where gait generation, motion execution, and energy optimization are tightly coupled, leading to high sensitivity to reward design. In this work, we propose a hierarchical reinforcement learning (HRL) framework that separates a high-frequency policy for stable and robust joint-level motion execution from low-frequency gait adaptation that explicitly minimizes the cost of transport (CoT). The three-stage Isaac-based training procedure enables zero-shot sim-
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית