Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.11849

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2508.11849 (cs)
[提交于 2025年8月16日 (v1) ,最后修订 2025年8月28日 (此版本, v2)]

标题: LocoMamba:通过Mamba的端到端深度强化学习实现视觉驱动的运动

标题: LocoMamba: Vision-Driven Locomotion via End-to-End Deep Reinforcement Learning with Mamba

Authors:Yinuo Wang, Gavin Tao
摘要: 我们引入了LocoMamba,这是一个基于选择性状态空间模型的视觉驱动跨模态深度强化学习框架,特别利用了Mamba,实现了接近线性时间的序列建模,有效捕捉长距离依赖关系,并实现了更长序列的高效训练。 首先,我们使用多层感知机嵌入本体感受状态,并使用轻量级卷积神经网络对深度图像进行分块处理,生成紧凑的标记,以改善状态表示。 其次,堆叠的Mamba层通过接近线性时间的选择性扫描融合这些标记,降低延迟和内存占用,保持对标记长度和图像分辨率的鲁棒性,并提供一种归纳偏差以减轻过拟合。 第三,我们在地形和外观随机化以及障碍物密度课程下,使用近端策略优化对策略进行端到端训练,采用一种紧凑的状态中心奖励,平衡进展、平滑性和安全性。 我们在具有静态和移动障碍物以及不平坦地形的具有挑战性的模拟环境中评估我们的方法。 与最先进的基线方法相比,我们的方法在较少碰撞的情况下实现了更高的回报和成功率,表现出对未见过的地形和障碍物密度更强的泛化能力,并在相同的计算预算下通过更少的更新次数收敛,从而提高了训练效率。
摘要: We introduce LocoMamba, a vision-driven cross-modal DRL framework built on selective state-space models, specifically leveraging Mamba, that achieves near-linear-time sequence modeling, effectively captures long-range dependencies, and enables efficient training with longer sequences. First, we embed proprioceptive states with a multilayer perceptron and patchify depth images with a lightweight convolutional neural network, producing compact tokens that improve state representation. Second, stacked Mamba layers fuse these tokens via near-linear-time selective scanning, reducing latency and memory footprint, remaining robust to token length and image resolution, and providing an inductive bias that mitigates overfitting. Third, we train the policy end-to-end with Proximal Policy Optimization under terrain and appearance randomization and an obstacle-density curriculum, using a compact state-centric reward that balances progress, smoothness, and safety. We evaluate our method in challenging simulated environments with static and moving obstacles as well as uneven terrain. Compared with state-of-the-art baselines, our method achieves higher returns and success rates with fewer collisions, exhibits stronger generalization to unseen terrains and obstacle densities, and improves training efficiency by converging in fewer updates under the same compute budget.
评论: 13页
主题: 机器人技术 (cs.RO)
引用方式: arXiv:2508.11849 [cs.RO]
  (或者 arXiv:2508.11849v2 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.11849
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xiaowen Tao [查看电子邮件]
[v1] 星期六, 2025 年 8 月 16 日 00:13:24 UTC (1,272 KB)
[v2] 星期四, 2025 年 8 月 28 日 21:09:41 UTC (4,306 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号