可微接触动力学：腿式运动中的策略学习与接触隐式轨迹优化

本文提出了一种用于摩擦接触的可微解析梯度，并将其应用于腿式运动的策略学习和接触隐式轨迹优化。该方法通过中心路径松弛技术解决了接触模式切换时的梯度不连续问题，在桌面PC上训练不到2分钟即可生成可直接转移到硬件的策略，使机器人在 trotting 步态下能够抵抗推力、穿越碎屑和湿滑地面。在轨迹优化中，该方法能够找到精确梯度和 Signorini 松弛梯度无法实现的接触密集解。