基于分层option的仿人机器人相似性关键姿势转换

？针对运动捕获系统获取的人体运动轨迹固定、难以实现仿人机器人关键姿势转换问题，提出了一种基于分层option学习的仿人机器人关键姿势相似性转换方法。构建多级关键姿势树状结构，从关节相似差异、时刻整体相似差异、周期整体相似差异等角度描述了关键姿势差异，引入分层强化option学习方法，建立关键姿势与option行为集，由关键姿势差异的累计奖励将smdp-q方法逼近最优option值函数，实现了关键姿势的转换。实验验证了方法的有效性。