双足抗冲击平衡算法

快于强化学习

用人工兔子优化与多层感知机替代传统强化学习，让双足机器人在突发冲击下快速恢复平衡，且训练开销更低。

Kuo, Ping Iiuan · Wei-Cyuan, Yang · Yu-Sian, Lin · Peng, Chaochung

Advanced Engineering Informatics 2025

参数信息

冲击方向数

5

技术优势

训练更快

ARO与MLP的结合相比传统强化学习方法节省了计算量，因此训练开销更低。

能扛冲击

在平地和斜坡上受到5个方向的冲击后，机器人均能快速适应并保持平衡。

应用场景

• 人形机器人运动控制：在灾难响应、工业任务等动态环境中行走时，受扰不摔倒。
• 人形机器人抗冲击：取代传统强化学习，使机器人快速适应外力并维持平衡。
• 双足机器人：让双足机器人在不可预测冲击下继续作业而不致跌倒。