学习型状态估计器

用神经网络从关节和 IMU 数据估出机身速度等量，常与运控策略一起训练。

学习型状态估计器指用神经网络代替或补充卡尔曼滤波，从本体感知数据（关节角、关节速度、IMU 读数的历史）直接回归难以直接测到的状态。代表工作是韩国 KAIST Hwangbo 团队 2022 年发表于 RA-L 的论文：在仿真里同时训练控制策略和估计网络，策略用 PPO 强化学习，估计器用仿真真值做监督学习，估出机身线速度、足端高度和触地概率，再作为策略的输入。这样不需要预设步态，也不需要足底接触传感器，估计器在训练中见过大量随机化的打滑、崎岖场景。论文中四足机器人平地最高速度 3.75 m/s，在摩擦系数 0.22 的湿滑面上达到 3.54 m/s。后续不少足式强化学习运控工作沿用了类似的估计网络。

例子Ji 等人的系统在真机上：估计网络先由本体感知历史估出机身线速度、足端高度和触地概率，策略网络再据此输出期望关节位置，在山坡、湿滑板和颠簸路面上完成了高速行走。

也叫

状态估计网络、估计器网络、Estimator Network、策略与估计器联合训练

相关

状态估计、强化学习运控、特权信息、腿式里程计、DreamWaQ、HIM（混合内部模型）

来源

Concurrent Training of a Control Policy and a State Estimator for Dynamic and Robust Legged Locomotion (Ji et al., RA-L 2022, arXiv 2202.05481)