多目标协作DDPG算法

更快学会更高更远跳跃

通过双DDPG网络协作和动态时间规整的经验优先回放，该算法在训练速度和收敛精度上均优于基线方法，实现双足机器人更高、更远的跳跃。

Tao, Chongben · Mengru, Li · 曹峰 · Gao, Zhen · Zhang, Zufeng

Advanced Intelligent Systems 2024

技术优势

更快学会

基于动态时间规整的恢复经验回放机制提高样本利用效率，使学习速度优于基线方法。

跳得更高更远

在PyBullet平台验证中，该方法实现了高度和距离显著增加的鲁棒跳跃。

应用场景

• 双足机器人运动控制：用训练好的策略实现双足机器人高难度跳跃，无需手工设计运动轨迹。
• 机器人强化学习：通过多目标协作和优先经验回放提高样本效率，加速机器人技能学习。
• 人形机器人跳跃：直接部署到人形机器人，实现高动态跳跃动作，克服欠驱动挑战。