1000Hz 力矩策略跑赢 MPC,DRL 精控机械臂可行

ChongZzZhang · x · 2026-10-20

作者给出结论：DRL 完全可以做精确控制。在其实验中，1000Hz 的强化学习力矩策略与 1000Hz 的力矩 MPC 直接对比，策略推理速度更快，两者都能实时运行。作者认为 RL 在处理不确定性方面优势明显，因此即便对固定基座机械臂，RL 也可以取代基于显式模型的控制方法。

作者还补充：实验中 Codex 某种意义上「作弊」了——它直接用动力学模型求梯度，属于可微分类 RL 的做法；但相比 MPC，这种做法的作弊程度更低，而且能真正做域随机化（DR）。