arXiv · cs.RO官方发布· Xuemin Hu, Kaixin Li, Qingqing Xia, Yuxin Wang, Wei Xie, Bo Tang, Long Chen·· 2 小时前AI 评分58
论文 / 摘要阅读
H^2MARL：面向人形机器人控制的分层异构多智能体强化学习框架
H^2MARL: Hierarchical Heterogeneous Multi-agent Reinforcement Learning for Humanoid Robot Control
AI 导读 · 根据来源整理
作者提出 H^2MARL，一个用于人形机器人全身控制的分层异构多智能体强化学习框架。方法按关节自由度做物理异构性感知的策略分解，让每个力矩驱动关节以其驱动、运动学和动力学属性的显式描述为条件；同时设计闭环策略-执行器协同优化机制，用共享交互轨迹联合调整高层姿态规划器与低层关节执行器，以减小规划与执行间的分布失配。在 MuJoCo 和 Isaac Gym 的实验中，H^2MARL 在运动稳定性、步态协调和动作质量上优于同构、粗粒度划分和独立优化的对照方案。结果均来自仿真环境。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org