arXiv · Robotics· Derek You, Zafir Shamsi, Keqin Wang, Christine Allen-Blanchette·· 3 小时前AI 评分25
执行器退化下四足机器人强化学习的高阶形态先验
Higher-Order Morphology Priors for Quadruped Reinforcement Learning Under Actuator Degradation
AI 导读
研究将 Unitree Go1 表示为含肢体级与身体级 rank-2 单元的 cell complex，并采用基于 Hodge 的消息传递，在执行器退化训练中让节点-边-面 Hodge actor 在未见执行器退化上取得最高回报，同时存活率更高、速度跟踪误差更低。论文认为高阶形态可作为全身补偿的有效归纳偏置，已被 IROS Workshop BLPC 2026 接收。
来源：arXiv · Robotics · arxiv.org