北京世纪远翔科技有限公司

本申请涉及一种基于稳定盲态与深度强化学习融合的机器人运动控制方法，属于机器人控制技术领域，通过构建由Soft Actor‑Critic（SAC）强化学习策略与模型驱动的稳定步进算法组成的集成架构，解决了机器人在视觉传感器失效的非结构化环境中难以稳定攀爬楼梯等障碍物的问题。该方法在上层利用SAC算法接收包含机器人质心位置、足端位置及传感器力反馈的观测状态，动态输出包含平面位移和抬腿高度的动作指令；下层则通过稳定步进算法执行动作，利用机器人运动学模型解算支持多边形中心以调整质心，并结合足端力反馈实现对未知地形的探测与物理平衡保障。在仿真训练中，通过精心设计的奖励函数引导策略在极少步数内完成任务，使机器人能够根据本体感受反馈自适应优化步态参数，实现在10cm高度楼梯下93%的攀爬成功率及对变高度地形的良好泛化能力，有效平衡了经典控制的稳定性与学习算法的灵活性。

本申请公开一种基于教师对齐对比学习的机器人鲁棒运动控制方法，属于机器人运动控制技术领域。训练阶段，分别基于特权观测信息和标准观测信息生成教师潜在表示和学生潜在表示，并利用前向动力学模型依据学生潜在表示和控制指令预测下一时刻表示；以教师潜在表示为锚点、预测表示为正样本、不同运动状态或环境条件下的潜在表示为负样本，构建教师对齐对比学习损失，并结合强化学习损失和速度估计损失训练运动控制策略。部署阶段移除教师编码器、评论家网络及特权观测信息输入，通过学生编码器、速度估计器和演员网络生成控制指令。该方法能够提高机器人对隐含环境状态和动力学状态的表征能力，增强复杂环境下运动控制的鲁棒性与泛化能力。