Persistent Profile-Guided Reset-Free Recovery Improves Final Gait Selection after Irreversible Leg Damage

arXiv:2610.20838v1 公告类型：新

摘要：损伤恢复算法通常根据短时试验对步态进行排序，但在持续执行过程中，短暂表现良好的步态未必能保持有效。在无重置恢复中，每次试验还会改变下一次试验所继承的物理状态。我们提出持久剖面引导的无重置恢复（PGRR），该方法在重复执行步态的过程中预测多种结果，并使用保守的不确定性感知估计来引导短时在线探测，而无需重置机器人。在涵盖腿部截肢、远端骨折和关节锁定的108个匹配MuJoCo任务中，相对于受IT&E启发的高斯过程基线，PGRR将最终质量提高了0.106，将槽位平均恢复质量（SRQ）提高了0.044，同时将低质量失败减少了27.8个百分点。最终质量的提升在全部三种损伤类别中均出现。与无适应相比，PGRR同样提高了最终质量并减少了低质量失败，而总体SRQ差异则尚无定论。开发消融实验表明，保守的不确定性处理是所观察到的增益中最明确得到支持的贡献因素。这些结果表明，PGRR能够在连续物理状态下识别出更强的损伤后步态，并且最终步态质量与恢复汇总性能为评估无重置恢复提供了互补的证据。