基于深度强化学习的液压四足机器人单腿跳跃优化控制OA北大核心

液压四足机器人具有功率密度高、负载能力大等优势,但其液压系统控制参数与机身运动参数间耦合关系复杂且维度较高,导致最优控制参数的求解十分困难。为此,采用具有自适应性、抗扰动性的深度强化学习算法,实现机器人单腿在不同工况下的高效、平稳运动。首先,在MATLAB/Simulink中搭建Spurlos液压四足机器人单腿模型;然后,设计基于五次多项式轨迹规划的强化学习控制器;最终实现针对不同目标任务的机器人单腿优化控制。仿真表明,所提强化学习控制策略能够实现机器人跳跃运动的自适应优化控制,训练后的机器人单腿在复杂环境中展现出较强的自适应性与运动稳定性。