ReCo: Response-Consistent Locomotion with Policy-Aware MPC for Legged Manipulation

📄 arXiv: 2610.01612v1 📥 PDF

作者: Kuankuan Sima, Yichao Gao, Chenxi Gu, Kefan Zhao, Lin Zhao

分类: cs.RO

发布日期: 2026-10-01

💡 一句话要点

提出ReCo框架以解决连续腿部操作中的响应一致性问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 腿部操作 模型预测控制 强化学习 响应一致性 动态环境

📋 核心要点

  1. 现有方法在腿部操作中难以同时实现基座行走与末端执行器的准确跟踪，尤其在动态环境中表现不佳。
  2. 论文提出的ReCo框架通过响应塑形和策略感知的MPC，增强了腿部操作的响应一致性和运动协调性。
  3. 实验结果表明，ReCo在仿真中显著降低了位置和方向的均方根误差，验证了其在实际应用中的有效性。

📝 摘要（中文）

连续的腿部操作需要在基座行走的同时准确跟踪末端执行器。将强化学习（RL）与模型预测控制（MPC）结合适用于此任务：学习的策略提供稳健的运动，而MPC协调基座和手臂以补偿跟踪误差。然而，MPC只能补偿其可预测的基座运动，且学习策略的命令响应会因步态阶段、接触和负载而异。我们提出ReCo框架，将响应一致的运动与策略感知的MPC结合，用于腿部操作。响应塑形训练策略在随机动态下对命令的一致性和可重复性进行响应。识别的闭环响应模型使MPC能够共同规划运动命令和手臂运动。在仿真基准测试中，ReCo在每个指标上相对于最佳基线减少了28.7%和27.4%的位置和方向均方根误差（RMSE）。实际实验展示了基座和手臂协调运动的持续腿部操作。

🔬 方法详解

问题定义：论文要解决的具体问题是如何在腿部操作中实现基座与末端执行器的协调运动，现有方法在动态环境下的响应一致性不足，导致跟踪误差较大。

核心思路：论文的核心解决思路是通过响应塑形训练策略，使其在不同动态条件下对命令的一致性和可重复性进行响应，同时结合MPC进行运动规划，以提高整体协调性。

技术框架：整体架构包括两个主要模块：响应塑形模块和策略感知的MPC模块。响应塑形模块负责训练策略以适应不同的动态环境，而MPC模块则利用识别的闭环响应模型进行运动命令的联合规划。

关键创新：最重要的技术创新点在于将响应一致性与策略感知的MPC相结合，使得MPC能够在动态环境中更有效地补偿运动误差，这与传统方法的单一控制策略形成了本质区别。

关键设计：关键设计包括对响应塑形的训练过程、MPC的损失函数设置，以及闭环响应模型的识别方法，这些设计确保了系统在多变环境下的稳定性和响应性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，ReCo在仿真基准测试中相较于最佳基线，位置和方向的均方根误差分别降低了28.7%和27.4%。这些显著的性能提升表明ReCo框架在实际应用中的有效性和可靠性。

🎯 应用场景

该研究的潜在应用领域包括服务机器人、救援机器人以及工业自动化等场景，能够在复杂环境中实现高效的腿部操作和物体操控。未来，ReCo框架可能推动机器人在动态环境中的自主性和灵活性，提升其在实际应用中的价值。

📄 摘要（原文）

Continuous legged manipulation requires accurate end-effector tracking while the base keeps walking. Combining reinforcement learning (RL) with model predictive control (MPC) suits this task: the learned policy provides robust locomotion, while MPC coordinates the base and arm to compensate for tracking errors. However, MPC can compensate only for base motion that it can predict, and a learned policy's command response varies with gait phase, contact, and payload. We present ReCo, a framework that couples response-consistent locomotion with policy-aware MPC for legged manipulation. Response shaping trains the policy to respond to commands consistently and repeatably across randomized dynamics. An identified closed-loop response model then lets MPC jointly plan locomotion commands and arm motion. On the simulation benchmark, ReCo reduces position and orientation root-mean-square error (RMSE) by 28.7% and 27.4% relative to the best baseline for each metric. Real-world experiments demonstrate onboard continuous legged manipulation with coordinated base and arm motion.