弥合差距：实现高性能腿式运动的软演员-评论家算法

Gianluca Sabatini, Chenhao Li, Marco Hutter

2026

摘要

本文揭示了软演员-评论家（SAC）算法在大规模并行训练中性能不如近端策略优化（PPO）的根本原因，并提出了策略初始化、超时感知评论家目标及多步回报估计等针对性改进，使得SAC在多种腿式机器人平台上完全弥合了与PPO的性能差距。

Soft Actor-Criticlegged locomotionsim-to-realsample efficiencyreinforcement learning

MANIPULATION

📊 0 引用

Yong Tao, Donghua Tan, Fan Ren 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Fengyi Lu, Guanghui Zhou, Chao Zhang 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LOCOMOTION

📊 0 引用

Dilip Muchhala, Pramod Kumar Maurya, Adarsh Raut 等 6 位作者

Robotics and Autonomous Systems · 2026

LOCOMOTION

📊 0 引用

Shengyang Lu, Guanpeng Chen, Lijing Zhao 等 5 位作者

Robotics and Autonomous Systems · 2026