Expert Composer Policy: Scalable Skill Repertoire for Quadruped Robots

我们提出了专家组合策略，这是一种可靠地扩展四足机器人代理技能库的框架。组合策略通过转换将一对专家连接到抽样的目标状态，使专家可以顺序组合。每个专家都专门从事单一技能，例如运动步态或跳跃动作。我们训练了一个单一的组合策略，而不是分层或混合专家架构，该过程独立进行，不受其他专家策略的限制。通过重复使用相同的组合策略，我们的方法可以在不影响现有专家的情况下添加新的专家，实现逐步的技能库扩展并保持原始动作质量。我们测量了72对转换的转换成功率，并实现了平均成功率为99.99％，比基线随机方法高出10％以上，并优于其他最先进的方法。在训练过程中使用域随机化，我们确保成功地将该方法转移到现实世界，在我们的实验中实现了平均转换成功率为97.22％（N = 360）。

本论文旨在提出一种可靠地扩展四足机器人代理的技能库的框架，解决如何在不影响现有技能的情况下增加新技能的问题。

论文提出了一种专家组合策略，该策略通过与采样的目标状态链接专家对，使专家可以按顺序组合。通过重用相同的组合者策略，该方法使得能够添加新专家而不影响现有专家，从而实现逐步的库存扩展并保留原始运动质量。

论文使用域随机化技术确保了实验结果的成功转移至实际世界。实验结果表明，该方法的平均转换成功率为99.99％，比基线随机方法高10％以上，并且优于其他最先进的方法。在实验中使用了72个转换对，实现了平均转换成功率为97.22％（N = 360）。

最近在这个领域中，还有一些相关的研究被进行，如《动态步态规划在四足机器人上的应用》、《基于深度学习的四足机器人运动控制研究》等。