GES框架协同优化BALLU形态与控制

Ankit Sinha等作者提出基于强化学习的协同设计框架Gaussian Evolutionary Specialists（GES），用于联合优化腿式机器人的形态与控制。作者称，跨形态共享单一策略会导致行为多样性坍缩，GES改为维护一组专家策略，各策略在设计空间中的领地按相对控制性能演化。 在浮力辅助轻量腿式机器人BALLU上，作者在最高四维设计空间中针对越障和爬坡任务评估GES，称最优设计性能高于Monolithic与Mixture-of-Experts基线；在同样200次设计优化评估下，GES的协同设计实际耗时比逐个候选重新训练策略减少67.4%。 硬件实验为遥操作，优化后的BALLU形态可越过最高24 cm障碍，原设计为8 cm。该论文标注为Under review，尚未经同行评议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。