PPO 与 SAC 用于双臂空间机器人协同运动控制的对比研究

双臂空间机械臂协同运动控制对比研究显示，强化学习算法 SAC 的表现显著优于 PPO。在 5 个随机种子测试中，SAC 平均成功率达 78.6% 且以 1.6M 步中位数达到 80% 成功率阈值，而 PPO 在 4M 步内平均成功率仅 7.4%。此外，SAC 具有更低的位置与姿态误差及更优的未见目标泛化能力，而 PPO 则易陷入局部最优。