SKooP：利用对称性与Koopman算子建模提升四足机器人强化学习的样本效率与泛化性

核心贡献：物理先验 × 对称性 × Koopman 动力学

SKooP（Symmetric Koopman Predictions）是一种面向腿式机器人控制的新强化学习框架，首次在真实高维非线性机器人系统（如四足平台）中联合建模形态对称性与Koopman算子动力学。其核心并非仅引入物理约束，而是将对称性结构显式编码至actor、critic、encoder和decoder全部网络模块，实现策略的高度等变性（equivariance）；同时，端到端联合训练一个由自编码器驱动的Koopman模型，用于学习低维线性化状态演化。

技术机制：特权观测 + 等变架构

• Koopman预测作为critic的“特权观测”（privileged observations）：该线性化动力学预测提供更平滑、更具物理意义的状态表征，显著增强critic的价值估计稳定性与收敛速度；
• 全组件对称性嵌入：actor与critic网络均采用群对称卷积或等变层（如SE(3)-equivariant设计），encoder/decoder亦强制满足反射/旋转对称约束，确保策略输出严格遵循机器人本体的几何与运动学对称性；
• 联合优化目标：policy loss与Koopman reconstruction loss（含Koopman算子谱约束）协同最小化，避免动力学模型退化为黑箱拟合。

实证验证：超越基准任务的泛化能力

论文在MIT Cheetah、ANYmal及仿真高保真四足模型上完成系统评估：

• 相比PPO+RNN、SAC+Dynamics Model等基线，SKooP在相同训练步数下实现2.3×更高平均奖励（on-policy setting）；
• 跨地形迁移测试（从平坦地面→碎石/斜坡/台阶）中，SKooP策略成功率提升41.7%，且零样本适应误差降低58%（vs. baseline）；
• Koopman模型可解释性分析证实：学习到的Koopman模态与机器人实际振型（如pitch/yaw主导模态）高度一致（arXiv:2607.11624v2）；
• 对称性消融显示：移除任意模块（如critic对称性或Koopman预测）均导致泛化性能下降≥27%。