摘要
本发明公开了一种基于强化学习的两栖四足机器人运动模态切换方法,属于机器人运动控制领域。针对机器人在两栖环境中的运动控制挑战,提出了一种自适应推进控制框架,将推进器与四足机器人腿部运动系统深度融合。通过分层强化学习,训练了陆地行走和水中游动的低级控制器,并设计了一个高级技能协调网络,利用历史数据推断环境特征和预测未来状态,实现运动模式的动态切换。本发明显著提升了机器人在未知干扰下的运动鲁棒性,无需额外微调即可适应多样化场景,具有广泛的应用前景。
技术关键词
模态切换方法
四足机器人
历史轨迹数据
机器人执行机构
机器人腿部关节
环境状态预测
控制器
推进器
强化学习算法
机器人运动控制
局部时空特征
卷积神经网络提取
切换系统
分层强化学习
注意力
速度