一种基于强化学习的四足机器人运动控制方法及系统

本发明公开了一种基于强化学习的四足机器人运动控制方法及系统，属于运动控制技术领域；搭建仿真环境，利用Isaac Gym构建四足机器人模型及其运动仿真环境，基于仿真环境构建CVaR‑PPO算法，并通过策略优化训练出使机器人在复杂地形中保持稳定的最优控制策略。训练过程中，CVaR‑PPO算法引入风险敏感度因子，以评估不同地形的风险，并自适应调整控制策略。经过仿真测试与策略验证后，将最优策略部署于实际四足机器人中，实现机器人在各种地形下的步态自主生成和姿态调整，以提升其环境适应能力和运动性能。本发明实现了自主步态生成与姿态调整的目标，使得四足机器人在未知复杂地形中的运动控制更具鲁棒性和精确性。