Joint-Health-Aware强化学习：执行器退化下的机器人鲁棒控制

作者提出一种关节健康感知的强化学习框架，用于仿真执行器退化下的机器人鲁棒控制。该框架用连续关节健康向量编码执行器状态，将退化建模为执行动作的乘性衰减，并由HealthNet估计器从近期观测和动作推断逐关节健康度，使策略能在健康与退化关节间重新分配控制力度。在Walker、Go2、Cassie和基于Panda的ManiSkill操作任务上，方法在主要指标上优于标称和无健康信息的退化训练基线；相对标称基线，任务级运动回报最高提升250.1%，操作成功率最高提升15.2个百分点，高退化Cassie组回报从3.94升至40.50（+928.0%）。