From Knowing to Doing: Learning Diverse Motor Skills through Instruction Learning
Navigation and Control Research Center, Department of Automation, Tsinghua University（清华大学自动化系导航与控制研究中心）
本文提出机器人指令学习框架，将参考轨迹作为前馈动作并结合强化学习反馈控制，辅以动作约束和移除模仿奖励，实现双足与四足机器人多样运动技能的高效学习及 sim-to-real 迁移。
2023-11-01 cs.RO
Integrating Diffusion-based Multi-task Learning with Online Reinforcement Learning for Robust Quadruped Robot Control
Department of Automation, Tsinghua University（自动化系，清华大学）
提出DMLoco框架，结合基于扩散模型的多任务预训练与在线PPO微调，实现四足机器人的语言条件化控制与鲁棒任务转换，并通过DDIM和TensorRT实现50Hz机载实时运行。
2025-09-12 cs.RO
Skill-Nav: Enhanced Navigation with Versatile Quadrupedal Locomotion via Waypoint Interface
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
Skill-Nav通过路点接口将四足运动技能与分层导航框架结合，利用深度强化学习训练策略，实现复杂地形中的自主导航与避障，实验验证其有效性。
2025-09-07 cs.RO
MimicAgent: Quadruped Skills via Prompt-to-Trajectory Generation
Carnegie Mellon University（卡内基梅隆大学）
MimicAgent通过提示到轨迹生成框架，利用编码智能体生成四足参考轨迹，训练示例引导的强化学习策略，实现动态四足技能，87%提示生成语义对齐轨迹。
2026-09-22 cs.RO
Constrained Skill Discovery: Quadruped Locomotion with Unsupervised Reinforcement Learning
Department of Engineering Science, University of Oxford（牛津大学工程科学系）；Dyson（戴森公司）
本文提出一种基于无监督强化学习的受约束技能发现方法，通过范数匹配目标替代潜在转移最大化，使四足机器人能更稳定地覆盖状态空间，并在真实ANYmal机器人上实现零样本到达笛卡尔空间任意点。
2024-10-10 cs.RO
Learning to Navigate Sidewalks in Outdoor Environments
Georgia Institute of Technology（佐治亚理工学院）；Google（谷歌）；Stanford University（斯坦福大学）
城市环境中人行道上的户外导航是重要的人类辅助应用背后的关键技术，例如最后一英里交付或社区巡逻。本文旨在开发一种四足机器人，它遵循公共地图服务生成的路线计划，同时保持在人行道上，避免与障碍物和行人碰撞。我们设计了一个两阶段的学习框架，首先训练教师代理在一个抽象的世界与特权地面真理信息，然后应用行为克隆教的技能，学生代理谁只能访问现实的传感器。本文的主要研究工作集中在克服挑战时，部署在现实世界中的四足机器人的学生政策。我们提出了设计传感模式，网络架构和培训程序的方法，使zero-shot政策转移到非结构化和动态的真实户外环境。我们评估我们的学习框架上的四足机器人导航在美国亚特兰大市的人行道。使用学习的导航策略及其机载传感器，机器人能够在有限的人类干预下行走3.2公里。
2021-09-12 cs.RO
Spatio-Temporal Motion Retargeting for Quadruped Robots
Department of Artificial Intelligence, Korea University（人工智能系，韩国大学）；Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院）；Department of Mechanical and Aerospace Engineering, UCLA（机械与航空航天工程系，加州大学洛杉矶分校）
本文提出足式机器人时空运动重定向方法，先由关键点轨迹生成运动学可行的全身动作，再在物理约束下进行时域动力学优化，并结合强化学习实现鲁棒跟踪，可将含噪视频迁移为四足机器人的后空翻等技能。
2025-07-24 cs.RO
Versatile Skill Control via Self-supervised Adversarial Imitation of Unlabeled Mixed Motions
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；ETH Zurich（苏黎世联邦理工学院）
学习不同的技能是机器人技术的主要挑战之一。为此，模仿学习方法已经取得了令人印象深刻的结果。这些方法需要明确标记的数据集或假设一致的技能执行，以实现对个体行为的学习和主动控制，这限制了它们的适用性。在这项工作中，我们提出了一种合作对抗方法，通过最大限度地提高其可辨别性，从包含不同状态转换模式的未标记数据集中获得具有可控技能集的单一通用策略。此外，我们表明，通过利用生成对抗模仿学习框架中的无监督技能发现，新的和有用的技能出现与成功的任务完成。最后，所获得的多功能的政策进行了测试，一个敏捷的四足机器人称为独奏8，并提出忠实的复制编码在演示中的各种技能。
2023-02-11 cs.AI cs.LG cs.RO
From Tabula Rasa to Emergent Abilities: Discovering Robot Skills via Real-World Unsupervised Quality-Diversity
Adaptive & Intelligent Robotics Lab（智能机器人实验室）
本文提出 URSA 框架，扩展 QDAC 以无监督方式让四足机器人在仿真和真实世界中发现并复用多样高性能运动技能，且在损伤适应任务上优于基线。
2025-08-28 cs.AI cs.LG cs.RO
LOTUS: Continual Imitation Learning for Robot Manipulation Through Unsupervised Skill Discovery
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Peking University（北京大学）
LOTUS通过无监督技能发现和元控制器组合技能，使机器人仅凭少量演示即可持续学习新操作任务，成功率比现有最佳方法高11%以上。
2024-11-23 cs.CV cs.LG cs.RO
Actionable Models: Unsupervised Offline Reinforcement Learning of Robotic Skills
Google（谷歌）；Carnegie Mellon University（卡内基梅隆大学）；University of Southern California（南加州大学）；Stanford University（斯坦福大学）；UC Berkeley（加州大学伯克利分校）
我们考虑的问题，学习有用的机器人技能，从以前收集的离线数据，而不访问手动指定的奖励或额外的在线探索，一个设置，这是越来越重要的缩放机器人学习通过重用过去的机器人数据。特别是，我们提出了通过学习达到给定数据集中的任何目标状态来学习对环境的功能理解的目标。我们采用目标条件Q学习与后见之明重新标记，并开发了几种技术，使培训在一个特别具有挑战性的离线设置。我们发现，我们的方法可以在高维相机图像上操作，并在真实机器人上学习各种技能，这些技能可以推广到以前看不见的场景和物体。我们还表明，我们的方法可以通过目标链学习在多个事件中实现长期目标，并通过预训练或辅助目标学习丰富的表示，可以帮助下游任务。我们的实验视频可以在www.example.com上找到
2021-06-10 cs.LG cs.RO
Discovery of skill switching criteria for learning agile quadruped locomotion
Oxford Robotics Institute（牛津机器人研究所）；University of Oxford（牛津大学）；University College London（伦敦大学学院）；Amigaga Technology Co. Ltd（Amigaga科技有限公司）
针对四足机器人敏捷运动问题，提出分层学习与优化框架，通过深度强化学习与优化过程学习多技能策略，实现技能自动切换、故障恢复及平滑过渡，在模拟与现实中验证了效果。
2025-02-10 cs.RO
Expert Composer Policy: Scalable Skill Repertoire for Quadruped Robots
Inventec Corporation（英业达股份有限公司）
本文提出专家组合策略框架，通过独立训练的组合策略连接专家对，实现四足机器人技能库的增量扩展，转换成功率高达99.99%，并成功迁移到现实世界。
2024-03-18 cs.RO
Human2LocoMan: Learning Versatile Quadrupedal Manipulation with Human Pretraining
Carnegie Mellon University（卡内基梅隆大学）；Google DeepMind（谷歌DeepMind）；Bosch Center for AI（博世人工智能中心）
针对四足机器人自主多用途操作技能的可扩展学习挑战，提出跨形态模仿学习系统，通过统一遥操作管道、模块化架构及首个LocoMan操作数据集，结合人类数据预训练，大幅提升真实任务成功率及分布外性能。
2025-07-07 cs.AI cs.LG cs.RO
Learning Agile Robotic Locomotion Skills by Imitating Animals
Google Research（谷歌研究院）；University of California, Berkeley（加利福尼亚大学伯克利分校）
复制动物多样而敏捷的运动技能一直是机器人技术的一个长期挑战。虽然手动设计的控制器已经能够模拟许多复杂的行为，但构建这样的控制器涉及耗时且困难的开发过程，通常需要对每个技能的细微差别进行大量的专业知识。强化学习为自动化控制器开发中涉及的手动工作提供了一种有吸引力的替代方案。然而，设计从代理中引出所需行为的学习目标也需要大量的技能特定的专业知识。在这项工作中，我们提出了一个模仿学习系统，使足式机器人学习敏捷的运动技能，模仿现实世界的动物。我们表明，通过利用参考运动数据，一个单一的学习为基础的方法是能够自动合成控制器的足式机器人的各种剧目的行为。通过将样本有效的领域自适应技术纳入到训练过程中，我们的系统能够在模拟中学习自适应策略，然后可以快速适应现实世界的部署。为了证明我们的系统的有效性，我们训练一个18自由度的四足机器人执行各种敏捷的行为，从不同的运动步态动态跳跃和转弯。
2020-07-21 cs.LG cs.RO
Motion Priors Reimagined: Adapting Flat-Terrain Skills for Complex Quadruped Mobility
Department of Mechanical Engineering, EPFL（瑞士联邦理工学院机械工程系）；ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心）；Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室）
本文提出分层强化学习框架，先用平地动物动作模仿预训练低层策略形成运动先验，再由高层策略学习残差校正，使四足机器人在复杂崎岖地形中实现感知行走、避障与目标导航。
2025-08-29 cs.RO
Unlock Reliable Skill Inference for Quadruped Adaptive Behavior by Skill Graph
Zhejiang University（浙江大学）；School of Engineering, Westlake University（西湖大学工程学院）
受动物技能组合启发，提出机器人技能图（RSG）框架，通过组织并重用基本技能，实现四足机器人在新任务和环境中的可靠技能推断与快速适应。
2025-02-26 cs.AI cs.RO
Calf-Integrated Arms for Bimanual Quadruped Loco-Manipulation
University College London（伦敦大学学院）
研究双足四足运动操纵设计权衡问题，核心方法是将特定操纵器集成到前小腿，实现双手地面操纵且四足着地、基座可行走，借助视觉语言模型排序技能，模拟中完成三项双手任务。
2026-07-14 cs.RO
Circus ANYmal: A Quadruped Learning Dexterous Manipulation with Its Limbs
The University of Tokyo（东京大学）；ETH Zürich（苏黎世联邦理工学院）
四足机器人擅长运动任务，但缺乏操纵技能，更不用说灵巧的操纵能力了。受动物行为和多足运动和多指操纵之间的二元性的启发，我们展示了一个四足机器人ANYmal的马戏团球挑战。我们采用无模型强化学习方法来训练深度策略，使机器人能够使用其四肢在没有任何接触测量传感器的情况下稳健地平衡和操纵轻质球。该策略在仿真中进行训练，通过加性噪声对许多物理属性进行随机化，并在操作过程中注入随机干扰力，在不进行任何调整的情况下在真实机器人上实现零触发（zero-shot）部署。在硬件实验中，实现了动态性能的最大旋转速度为15度/秒，和鲁棒恢复下的外部戳。据我们所知，这是第一个工作，演示了灵巧的动态操纵一个真正的四足机器人。
2020-12-10 cs.RO
GeRM: A Generalist Robotic Model with Mixture-of-experts for Quadruped Robot
Westlake University（西湖大学）
本文提出四足机器人通用模型 GeRM，结合离线强化学习、基于 transformer 的 VLA 与混合专家架构，利用演示和次优数据提升多任务性能，并发布自动收集的 QUARD-Auto 数据集。
2024-04-09 cs.CV cs.LG cs.RO
Long-horizon Locomotion and Manipulation on a Quadrupedal Robot with Large Language Models
Tsinghua University（清华大学）；Shanghai Qi Zhi Institute（上海期智研究院）；University of California, Berkeley（加利福尼亚大学伯克利分校）
本研究提出基于大语言模型的四足机器人系统，通过多LLM智能体实现高层任务规划与代码生成，结合强化学习训练的底层运动技能，可完成需多步策略的长时程运动与操作任务，在仿真和真实场景中均验证有效。
2025-03-19 cs.RO
Learning a Single Policy for Diverse Behaviors on a Quadrupedal Robot using Scalable Motion Imitation
Georgia Institute of Technology（佐治亚理工学院）；Meta Platforms, Inc.（Meta平台公司）
四足机器人学习各种运动技能是一个具有挑战性的问题，需要仔细设计特定任务的数学模型或奖励描述。在这项工作中，我们提出使用深度强化学习通过模仿大量的参考运动来学习单个有能力的策略，包括行走，转弯，踱步，跳跃，坐着和躺着。在现有的运动模仿框架之上，我们首先仔细设计了观察空间，动作空间和奖励函数，以提高学习的可扩展性以及最终策略的鲁棒性。此外，我们采用了一种新的自适应运动采样（AMS）方法，它保持了成功和不成功的行为之间的平衡。这种技术允许学习算法专注于具有挑战性的运动技能，并避免灾难性遗忘。我们证明了学习的策略可以通过成功跟踪训练数据集和分布轨迹来在模拟中表现出不同的行为。我们还通过实验验证了所提出的学习公式和自适应运动采样方案的重要性。
2023-03-27 cs.RO
Continual Quadruped Robots Coordination via Semantic Skill Discovery
National Key Laboratory of Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家重点实验室，南京大学，南京，中国）；School of Artificial Intelligence, Nanjing University, Nanjing, China（人工智能学院，南京大学，南京，中国）；Polixir Technologies, Nanjing, China（南京极智科技有限公司）
提出Conquer框架，通过语义技能库实现多四足机器人在持续学习任务中的协调，避免灾难性遗忘，最终平均成功率95.6%。
2026-06-11 cs.AI cs.MA cs.RO
Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills using a Quadrupedal Robot
University of California, Berkeley（加州大学伯克利分校）；Université de Montréal（蒙特利尔大学）；Mila（米拉人工智能研究院）
我们解决的问题，使四足机器人在现实世界中使用强化学习执行精确的射击技能。开发算法使足式机器人能够将足球射到给定目标是一个具有挑战性的问题，它将机器人运动控制和规划结合到一个任务中。为了解决这一问题，在对动态足式机器人进行控制时，需要考虑动力学约束和运动稳定性。此外，我们需要考虑运动规划，以拍摄难以建模的变形球在地面上滚动与不确定的摩擦到期望的位置。在本文中，我们提出了一个层次化的框架，利用深度强化学习来训练（a）一个鲁棒的运动控制策略，可以跟踪任意运动和（b）一个规划策略，以决定所需的踢球运动，将足球射到目标。我们部署的A1四足机器人，使它能够准确地拍摄球随机目标在现实世界中提出的框架。
2022-08-01 cs.AI cs.RO cs.SY
FastMimic: Model-based Motion Imitation for Agile, Diverse and Generalizable Quadrupedal Locomotion
Georgia Institute of Technology（佐治亚理工学院）；Meta AI
在人类环境中运行的机器人需要各种技能，如慢速和快速行走，转弯，侧步等等。然而，构建可以表现出如此大范围行为的机器人控制器是一个具有挑战性的问题，需要对每个任务进行繁琐的调查。我们提出了一个统一的基于模型的控制算法，用于模仿不同的动物步态，而无需昂贵的模拟训练或现实世界的微调。我们的方法包括立场和摆动腿控制器使用质心动力学模型与在线自适应技术增强。我们也发展了一个全身轨迹优化程序来修正参考动物运动的运动学不可行性。我们证明了我们的通用数据驱动的基于模型的控制器可以无缝地模仿各种运动技能，包括小跑，起搏，转弯和侧步。它还显示了更好的跟踪能力，在模拟和现实世界对几个基线，包括另一个基于模型的模仿控制器和基于学习的运动模仿技术。
2022-02-25 cs.RO
Agile perceptive multi-skill locomotion for quadrupedal robots in the wild
Agency for Defense Development（国防发展局）；Korea Advanced Institute of Science and Technology（韩国科学技术院）；DIDEN Robotics（迪登机器人公司）；Korea University（韩国大学）
研究使四足机器人在复杂地形实现多技能运动的问题，提出 APT-RL 框架，利用机载感知和计算自主转换技能，通过轨迹优化生成数据集训练技能，经实验验证该框架能让机器人在复杂环境敏捷机动，稳健穿越多样障碍物。
2026-07-16 cs.AI cs.LG cs.RO
Offline Adaptation of Quadruped Locomotion using Diffusion Models
Oxford Robotics Institute, Department of Engineering Science, University of Oxford（牛津机器人研究所、工程科学系、牛津大学）
本文提出首个将无分类器引导扩散模型应用于四足运动的框架，实现多技能插值与训练后离线适应新行为，并可在ANYmal机器人机载CPU上高效运行。
2025-06-03 cs.AI cs.LG cs.RO
Rethinking Mutual Information for Language Conditioned Skill Discovery on Imitation Learning
Fudan University（复旦大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Tsinghua University（清华大学）
本文提出语言条件技能发现（LCSD）方法，通过向量量化和互信息最大化在无监督模仿学习中学习离散技能，并在多个语言条件机器人任务上验证其泛化性、可解释性和任务成功率优势。
2024-02-27 cs.AI cs.RO
Learning Multiple Gaits within Latent Space for Quadruped Robots
Shanghai Jiao Tong University（上海交通大学）
本文提出一种端到端训练框架，通过步态编码器与生成器构建潜空间，并结合步态相关奖励和条件对抗运动先验，使四足机器人Go1仅凭本体感知即可学习并切换多种自适应步态。
2023-08-06 cs.RO
Towards Computer-Vision Based Vineyard Navigation for Quadruped Robots
Istituto Italiano di Tecnologia（意大利理工学院）
现代葡萄园的熟练劳动力严重短缺。Vinum项目正在开发一种移动机器人解决方案，用于在葡萄园中自动导航，进行冬季葡萄修剪。这就需要一个自主导航堆栈，用于修剪葡萄园的机器人。Vinum项目正在使用四足机器人HyQReal。本文介绍了一种四足机器人的架构，通过识别和接近葡萄修剪葡萄园自主移动。更高级别的控制是一个状态机，在搜索目的地位置、自主导航到这些位置以及停下来让机器人完成任务之间切换。通过使用来自基于掩码区域的卷积神经网络（Mask-RCNN）的实例分割来识别葡萄树树干来确定目的地点。这些检测通过滤波器发送，以避免冗余并去除噪声检测。这些功能的组合是所提出的架构的基础。
2023-01-02 cs.RO
Towards Continual Reinforcement Learning for Quadruped Robots
University of Bologna（博洛尼亚大学）；CYENS Centre of Excellence（CYENS卓越中心）
本研究针对四足机器人部署后无法适应新环境的问题，提出通过两个持续学习场景进行顺序训练与多环境评估，以探究技能迁移与遗忘程度，旨在提升其现实适应性。
2023-11-12 cs.LG cs.RO
Learning Agile Locomotion Skills with a Mentor
Robotics at Google（谷歌机器人）；Georgia Institute of Technology（佐治亚理工学院）
开发足式机器人的敏捷行为仍然是一个具有挑战性的问题。虽然深度强化学习是一种很有前途的方法，但学习真正的敏捷行为通常需要繁琐的奖励塑造和仔细的课程设计。我们制定敏捷运动作为一个多阶段的学习问题，其中导师指导整个训练的代理。导师被优化为放置检查点以引导机器人的质心的移动，而学生（即机器人）学习到达这些检查点。一旦学生能够解决任务，我们就会教学生在没有导师的情况下执行任务。我们评估我们提出的学习系统与一个模拟的四足机器人的课程，包括随机生成的差距和障碍。我们的方法显著优于没有导师的单级RL基线，并且四足机器人可以敏捷地跑和跳过间隙和障碍物。最后，我们对学习行为的可行性和有效性进行了详细的分析。
2020-11-11 cs.RO
WildLMa: Long Horizon Loco-Manipulation in the Wild
UC San Diego（加州大学圣地亚哥分校）；MIT（麻省理工学院）
WildLMa 面向四足机器人在真实环境中的长时程移动操作，结合 VR 遥操作底层控制、可泛化视觉运动技能库和 LLM 技能规划接口，以少量演示实现跨物体泛化并验证了清理、关节操作等实际任务。
2025-03-08 cs.CV cs.LG cs.RO
Creating a Dynamic Quadrupedal Robotic Goalkeeper with Reinforcement Learning
University of California, Berkeley（加州大学伯克利分校）；Simon Fraser University（西蒙弗雷泽大学）；Georgia Institute of Technology（佐治亚理工学院）
我们提出了一个强化学习（RL）框架，使四足机器人在现实世界中执行足球守门员任务。使用四足动物的足球守门员是一个具有挑战性的问题，它结合了高度动态的运动与精确和快速的非易失性物体（球）操作。机器人需要在很短的时间内（通常不到一秒）使用动态运动机动对可能飞行的球做出反应并拦截。在本文中，我们建议使用分层无模型RL框架来解决这个问题。该框架的第一个组成部分包含不同的运动技能，它可以用来覆盖目标的不同区域的多个控制策略。每个控制策略使机器人跟踪随机参数末端执行器轨迹，同时执行一个特定的运动技能，如跳跃，潜水，和回避。然后，这些技能被框架的第二部分利用，该第二部分是高级规划器，以确定期望的技能和末端执行器轨迹，以便拦截飞向球门的不同区域的球。我们部署建议的框架上的一个迷你猎豹四足机器人，并证明了我们的框架在现实世界中的快速移动的球的各种敏捷拦截的有效性。
2022-10-10 cs.AI cs.RO cs.SY
Accessibility-Based Clustering for Efficient Learning of Locomotion Skills
Tsinghua University（清华大学）；University of Edinburgh（爱丁堡大学）
对于四足动物运动的无模型深度强化学习，机器人配置的初始化对于数据效率和鲁棒性至关重要。这项工作的重点是通过自动发现的初始状态，这是我们提出的基于可访问性度量的K-Access算法的数据效率和鲁棒性的算法的改进。具体来说，我们制定了可访问性度量来衡量两个任意状态之间的转换的难度，并提出了一种新的K-Access算法的状态空间聚类，自动发现的质心的静态姿态集群的基础上的可访问性度量。通过使用所发现的质心静态位姿作为初始状态，我们可以通过减少冗余的探索来提高数据效率，并且通过从质心到采样位姿的更有效的探索来增强鲁棒性。专注于跌倒恢复作为一个非常困难的一套运动技能，我们验证了我们的方法广泛使用8自由度四足机器人Bittle。与基线相比，我们的方法的学习曲线收敛得更快，只需要60%的训练集。使用我们的方法，在99.4%的测试案例中，机器人可以在3秒内成功恢复到站立姿势。此外，该方法可以成功地推广到其他困难的技能，如后空翻。
2022-03-01 cs.RO
ANYmal Parkour: Learning Agile Navigation for Quadrupedal Robots
ETH Zurich（苏黎世联邦理工学院）；NVIDIA（英伟达）
提出一种全学习的四足机器人敏捷导航方法，通过分层策略组合多种运动技能与感知模块，无需专家演示或先验知识即可在真实世界跨越复杂障碍。
2023-06-26 cs.RO
DeepTransition: Viability Leads to the Emergence of Gait Transitions in Learning Anticipatory Quadrupedal Locomotion Skills
École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
该研究提出生存性是四足步态转变的核心判定标准，通过深度强化学习验证了平坦与离散地形下的步态转变规律，并通过仿真到现实迁移在Unitree A1机器人上实现了高敏捷性的自主跨隙步态切换。
2023-06-14 cs.AI cs.LG cs.RO
Versatile Real-Time Motion Synthesis via Kino-Dynamic MPC with Hybrid-Systems DDP
University of Notre Dame（圣母大学）；Robotics at Google（谷歌机器人部门）
四足机器人的跳跃等特殊运动通常通过一次性解决轨迹优化问题并使用跟踪控制器执行轨迹来实现。这种方法与通常通过在线重新规划来控制规则步态的模型预测控制（MPC）策略并行。在这项工作中，我们提出了一个非线性MPC（NMPC）技术，解锁的飞行重新规划的专门运动技能和定期运动在一个统一的框架内。NMPC的原因是关于一个混合kinodynamic模型，并解决了使用一个受约束的差分动态规划（DDP）求解器的变体。建议的NMPC使机器人能够执行各种敏捷的技能，如跳跃，跳跃和小跑，以及这些技能之间的快速转换。我们评估了所提出的算法与三个具有挑战性的运动序列，结合多种灵活的技能，在两个四足动物平台，Unitree A1，和麻省理工学院迷你猎豹，显示其有效性和通用性。
2022-09-28 cs.RO
Latent Conditioned Loco-Manipulation Using Motion Priors
LAAS-CNRS, Université de Toulouse（CNRS拉法耶特研究所、图卢兹大学）；Artificial and Natural Intelligence Toulouse Institute（图卢兹人工智能与自然智能研究所）；University of Edinburgh, School of Informatics（爱丁堡大学信息学院）
本文提出一种基于运动先验的潜在条件化方法，通过模仿学习训练多用途运动策略，并结合约束处理和扩散判别器，在H1和Solo12机器人上实现了安全高效的运动-操作。
2025-09-19 cs.RO
Pedipulate: Enabling Manipulation Skills using a Quadruped Robot's Leg
ETH Zurich（苏黎世联邦理工学院）；NVIDIA（英伟达）
本研究提出Pedipulate方法，通过训练强化学习策略控制四足机器人单腿进行操作，无需额外机械臂即可实现开门、采集样本等任务，并具备大工作空间、步态涌现及高鲁棒性。
2024-02-16 cs.AI cs.RO cs.SY
Learning Multi-Skill Legged Locomotion Using Conditional Adversarial Motion Priors
School of Mechanical Engineering, Zhejiang Sci-Tech University（浙江科技学院机械工程学院）
提出基于条件对抗运动先验的多技能学习框架，使四足机器人从专家演示中高效获取多样化运动技能，并通过技能判别器和条件奖励实现精确重建与平滑切换。
2025-09-26 cs.RO
SkillPlug: Unsupervised Skill Mining for Few-Shot Adaptation in Robotic Manipulation
School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）
针对机器人操作中学习可转移视觉运动模仿策略的挑战，提出SkillPlug框架，通过技能调节模块挖掘共享可转移技能库，经自监督学习形成任务共享先验，微调轻量级组件实现少样本适应，提升多任务和少样本适应性能。
2026-07-10 cs.RO
Robust Ladder Climbing with a Quadrupedal Robot
ETH Zurich, Robotics Systems Lab（苏黎世联邦理工学院机器人系统实验室）
本文提出基于强化学习控制策略与钩状末端执行器的四足机器人爬梯方法，在仿真和硬件上验证了其鲁棒性，实现了70°至90°梯角下90%成功率及比现有方法快232倍的攀爬速度，拓展了工业四足机器人的应用范围。
2025-07-22 cs.RO
Learning Navigation Skills for Legged Robots with Learned Robot Embeddings
Georgia Institute of Technology（佐治亚理工学院）；Facebook AI Research（Facebook人工智能研究院）
最近的工作已经显示出在模拟中学习理想化圆柱体代理的导航策略并将其转移到真正的轮式机器人上的结果。在足式机器人上部署这样的导航策略可能是具有挑战性的，因为它们的复杂动力学，以及圆柱代理和腿式系统之间的大的动力学差异。在这项工作中，我们学习分层导航政策，占低层次的动态足式机器人，如最大速度，滑动，接触，并学会成功地导航杂乱的室内环境。为了将在模拟中学习的策略转移到新的足式机器人和硬件上，我们学习了具有机器人特定嵌入的多个机器人之间的动态感知导航策略。学习的嵌入在新机器人上进行优化，而策略的其余部分保持固定，允许快速适应。我们在模拟中对三个足式机器人进行策略训练--两个四足机器人（A1，AlienGo）和一个六足机器人（Daisy）。在测试时，我们研究了我们的学习策略的性能在两个新的足式机器人在模拟（莱卡戈，4腿雏菊），和一个现实世界的四足机器人（A1）。我们的实验表明，我们的学习策略可以样本有效地推广到以前看不见的机器人，并使足式机器人的导航策略的仿真到现实迁移。
2021-09-13 cs.RO
CopyQuad: Quadrupedal Skill Transfer from a Single Side-View Video Without a Depth Model
McGill University（麦吉尔大学）；Mila -- Quebec AI Institute（米拉-魁北克人工智能研究所）
CopyQuad无需深度模型，通过将缺失轴固定为机器人自身站立宽度，实现单视角视频的四足机器人技能迁移，可零样本部署多种步态，且省略该轴的代价低于流水线分辨率。
2026-10-14 cs.LG cs.RO
Disentangled Unsupervised Skill Discovery for Efficient Hierarchical Reinforcement Learning
University of Texas at Austin（德克萨斯大学奥斯汀分校）
针对现有无监督技能发现方法中技能缠结、下游任务链接难的问题，提出DUSDi方法，通过分解技能为解缠组件，定义基于互信息目标并利用值分解优化，能有效学习解缠技能并解决下游任务，优于先前方法。
2026-07-14 cs.LG cs.RO
Online Optimization of Central Pattern Generators for Quadruped Locomotion
Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院）
本文提出基于贝叶斯优化的CPG参数在线优化框架，使四足机器人能在3分钟内快速适应速度指令、摩擦系数、坡度及负载变化，并通过力反馈与虚拟模型控制提升稳定性和能效。
2024-10-21 cs.RO
Zero-Shot Retargeting of Learned Quadruped Locomotion Policies Using Hybrid Kinodynamic Model Predictive Control
University of Notre Dame（圣母大学）；Robotics at Google（谷歌机器人部门）
强化学习（RL）在四足动物运动方面取得了长足的进步，并在策略的可靠仿真到现实迁移方面取得了持续的进展。然而，在另一个机器人上重用策略仍然是一个挑战，这可以节省重新训练的时间。在这项工作中，我们提出了一个框架zero-shot政策重定向，其中不同的运动技能可以在不同形状和大小的机器人之间转移。新的框架集中在一个规划和控制管道，系统地集成RL和模型预测控制（MPC）。规划阶段采用RL生成动态似然轨迹以及接触时间表，避免了接触序列优化的组合复杂性。然后，这些信息被用于播种MPC，以通过一个新的混合Kinodynamic（HKD）模型来稳定和鲁棒化政策推出，该模型隐式优化了立足点位置。硬件结果表明，能够将策略从A1和Laikago机器人传输到MIT Mini Cheetah机器人，而无需任何策略重新调整。
2022-09-28 cs.RO
A Deployable Bio-inspired Compliant Leg Design for Enhanced Leaping in Quadruped Robots
Department of Mechatronics and Robotics, Xi’an Jiaotong-Liverpool University（机电一体化与机器人系，西安交通大学-利物浦大学）；Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign（机械科学与工程系，伊利诺伊大学厄巴纳-香槟分校）
本文提出了一种生物启发的可部署合规腿部设计，通过模仿蛙跳腿的能量存储机制，显著提升了四足机器人垂直跳跃能力，实验显示跳跃高度提升了17.1%。
2026-03-01 cs.RO
Decentralized Motor Skill Learning for Complex Robotic Systems
Tsinghua University（清华大学）；Shanghai Qi Zhi Institute（上海期智研究院）
本文提出DEMOS去中心化运动技能学习算法，通过自动发现可解耦的运动组并学习去中心化控制策略，提升复杂机器人系统的鲁棒性与泛化能力。
2023-06-30 cs.AI cs.RO
Explosive Jumping with Rigid and Articulated Soft Quadrupeds via Example Guided Reinforcement Learning
Cognitive Robotics, Delft University of Technology（德鲁夫特理工大学认知机器人实验室）；Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系）；Department of Industrial Engineering, University of Trento（特伦托大学工业工程系）；Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（德国航空航天中心机器人与机电一体化研究所）
本文提出基于示例引导的深度强化学习方法，通过模仿轨迹优化示例并渐进训练，使刚性与并联弹性四足机器人实现多方向、可变距离的鲁棒跳跃，显著降低着陆误差、能耗和峰值扭矩。
2025-08-26 cs.RO
Controlling the Solo12 Quadruped Robot with Deep Reinforcement Learning
LAAS-CNRS（法国国家科学研究中心实验室分析与建筑系统实验室）；Université de Toulouse（图卢兹大学）；NAVER LABS Europe（NAVER欧洲实验室）
本文提出在 Solo12 四足机器人上实现基于深度强化学习的端到端关节阻抗参考控制器，并验证其速度跟踪、能效、鲁棒性与真机部署价值。
2023-08-02 cs.LG cs.RO
SkiLD: Unsupervised Skill Discovery Guided by Factor Interactions
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Massachusettes, Amherst（马萨诸塞大学阿默斯特分校）；Sony AI（索尼人工智能）
本文提出 Skild，利用状态因子间的局部依赖与多样交互引导无监督技能发现，在长程稀疏奖励及模拟家庭机器人任务中优于仅最大化状态覆盖的方法。
2024-10-24 cs.LG cs.RO
Emergent Real-World Robotic Skills via Unsupervised Off-Policy Reinforcement Learning
Google Research（谷歌研究院）
强化学习为学习机器人技能提供了一个通用框架，同时最大限度地减少了工程工作量。然而，大多数强化学习算法假设提供了一个精心设计的奖励函数，并为该单个奖励函数学习单个行为。这样的奖励函数在实践中可能难以设计。我们是否可以开发高效的强化学习方法，在没有任何奖励功能的情况下获得各种技能，然后将这些技能重新用于下游任务？在本文中，我们证明了最近提出的无监督技能发现算法可以扩展为一种有效的离线方法，使其适合在现实世界中执行无监督强化学习。首先，我们证明了我们提出的算法在学习效率上有了实质性的提高，使得无奖励的真实世界训练变得可行。其次，我们超越了仿真环境，并在真实的物理硬件上评估算法。在四足动物身上，我们观察到不同步态和不同方向的运动技能出现，没有任何奖励或示范。我们还证明了学习的技能可以组成使用模型预测控制为目标导向的导航，没有任何额外的培训。
2020-04-27 cs.LG cs.RO
