MPBRS：基于多势函数的奖励塑形，用于人形机器人运动中的统一奖励配置
论文研究用于人形机器人运动的 Multi-PBRS（多势函数奖励塑形），并提出统一奖励配置，在九台人形机器人上使用相同奖励结构与权重进行验证，仅需关节/连杆映射和默认姿态等机器人特定元数据，无需逐台重新设计奖励。实验称相比标准塑形，MPBRS 在不同机器人间缩放行为更一致、调优敏感性更低，且不改变最优策略。
发布于 10-23 23:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《MPBRS: Multi-Potential-Based Reward Shaping for Unified Reward Configuration in Humanoid Locomotion》查看原链
arXiv:2610.30334v1 公告类型：新论文 摘要：为人体运动构建有效的强化学习（RL）流程时，设计和调优奖励函数仍是主要挑战之一。 虽然奖励塑形可以加速学习，但简单构造的奖励项往往与期望行为冲突、对特定机器人过拟合，或在权重小幅变化时变得不稳定。
基于势函数的奖励塑形（PBRS）提供了另一种方案：通过势函数差值来塑形奖励，在不改变最优策略的前提下引导探索。 本文研究用于人体运动的 Multi-PBRS，并提出一种统一的奖励配置。 随后我们在九台人形机器人上评估相同的奖励结构和权重，仅需机器人特定的元数据（关节/连杆映射和默认姿态），而无需为每台机器人重新设计奖励。
实验表明，与标准塑形相比，MPBRS 在不同机器人上提供更一致的缩放行为和更低的调优敏感性，使其更易于调优且不改变最优策略。