基于MuJoCo与PPO的轮足机器人自平衡强化学习

文章从滚动倒立摆的失稳机理出发，讲解双轮腿机器人为何必须依靠轮子滚动维持平衡，并给出近端策略优化（PPO）的完整数学构造。作者用三百万步的真实训练实验，展示策略从随机抖动到原地站立、目标行进的过程。