准备转向：学习面向快速连续四足导航的预判性机动
研究提出强化学习框架 PrepTurn，将当前与下一个位姿目标直接映射为关节动作，用即将到达的目标指导机器人如何接近当前目标，避免单目标策略在连续目标下出现的走走停停。方法包含持久信用奖励与逐步提升目标难度的自动课程，无需预设轨迹或到达时间即可协调接近速度与转向。仿真与 Unitree Go2 机载实验显示，连续穿越完成率高、运动更高效且停顿减少；目标容差放宽后，策略还出现提前转向下一目标和在允许区域内切角的涌现行为。
发布于 10-27 12:58来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Prepare to Turn: Learning Anticipatory Maneuvering for Fast Sequential Quadrupedal Navigation》查看原链
arXiv:2603.12842v3 公告类型：替换 摘要：快速四足导航需要在接近当前目标的同时为下一次转向做准备。 仅训练到达并停留在单一目标的策略在应用于连续目标时会产生走走停停的运动，损害其敏捷性潜力。 我们提出 PrepTurn，一个用于连续局部导航中预判性机动的强化学习框架。
PrepTurn 将当前和下一个位姿目标直接映射到关节动作，利用即将到来的目标来指导机器人如何接近当前目标。 其持久信用奖励通过继续奖励已到达的目标，同时继续前进并为后续机动做准备，鼓励及时完成整个序列；而逐渐增加目标难度的自动课程对于学习稳定的转向行为至关重要。
这些组件共同使策略能够在目标转换之间协调接近速度和重新定向，而无需预设轨迹或到达时间。 仿真和 Unitree Go2 机载实验表明，快速、高效的连续穿越具有高完成率并减少了走走停停的运动。 我们进一步表明，当目标到达容差更宽松时，策略学会利用任务允许的自由度，产生涌现行为，例如提前转向下一个目标并在允许区域内切角，从而更高效地穿越目标序列。