熵系数

训练中引入了对力矩分布施加惩罚以鼓励四条腿均衡发力、惩罚足端打滑、对动作应用低通滤波、在课程调度达到上限后增加熵系数以增强探索等机制。

在课程学习达到上限后增加熵系数，是一种“先利用后探索”的策略：前期低熵快速掌握基础步态，后期高熵帮助策略在已适应的扰动范围内寻找更鲁棒的解法。