STRIDE：用加速度奖励在数分钟内学习人形机器人运动

STRIDE 提出以跟随指令加速度曲线替代基座速度跟踪的强化学习奖励，只需机载 IMU 即可学习人形机器人运动。方法结合离策略算法 XQC、关节位置控制器高增益设置与左右对称增强，在仿真中让 Unitree G1 和 Booster T1 在 14 分钟样本内学会行走。相比缺少这两项组件的情况，训练中跌倒次数减少 81%，而后者需要一小时以上才能学会。