基于动态解耦球面径向挤压的约束增强强化学习

Qijun Liao, Zhaoxin Yu, Jue Yang

2026

摘要

本文提出动态解耦球面径向挤压方法，解决了强化学习中执行器速率约束的异构性问题，通过为每个关节计算位置自适应半径实现精确约束满足。实验表明该方法在零违反率下获得了最高任务回报。

reinforcement learningactuator constraintsroboticspolicy gradientMuJoCo

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

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

Robotics and Computer-Integrated Manufacturing · 2026