面向端到端平衡与导航的状态依赖目标协调
该研究针对两轮倒立摆等不稳定平台，提出状态依赖目标协调方法：用俯仰角条件化标量化系数 β(s)∈[0,1] 在训练中调节平衡与导航目标的相对权重，不引入 PID/LQR 等辅助姿态控制器。仿真训练建模执行延迟、动作保持、异步含噪观测与动力学不确定性以支持零样本部署。PPO+β(s) 在固定障碍地图与随机高障碍密度地图上成功率分别为 98% 和 95%，姿态偏差小；零样本硬件实验仅用机载观测实现有界姿态与稳定避障。
发布于 10-22 13:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《State-Dependent Objective Coordination for End-to-End Balance and Navigation》查看原链
传统机器人导航系统通过级联模块将建图、规划与底层控制分离，带来计算开销与累积延迟。 端到端强化学习提供了一种紧凑的统一策略，可将机载观测直接映射为控制动作。 然而在两轮倒立摆机器人等本身不稳定的平台上，导航推进与避障会以强状态依赖的方式与姿态稳定相冲突。
我们提出一种轻量级的状态依赖目标协调方法，用于导航与控制的集成。 一个以俯仰角为条件的标量化系数 β(s)∈[0,1] 在训练中调节平衡稳定与导航目标的相对贡献，无需额外控制层级或辅助姿态稳定控制器（如 PID 或 LQR）。 为支持零样本部署，仿真训练对执行延迟、动作保持、异步与含噪观测以及动力学不确定性进行建模。
梯度分析揭示了持续存在的方向性干扰以及目标相对尺度随状态变化的现象。 与替代的奖励加权、约束、训练和控制结构策略相比，PPO+β(s)（PPO 指近端策略优化）在固定障碍地图和随机生成的高障碍密度地图上分别取得 98% 和 95% 的成功率，且姿态偏差较小。
零样本硬件实验进一步表明，仅使用机载观测即可实现有界姿态行为和一致的避障。 训练与评估代码将在论文录用后公开。