PPO 与 SAC 在双臂空间机器人协同运动控制中的对比研究

在双臂空间机器人协同运动控制任务中，强化学习算法 SAC 在固定基座仿真中的表现大幅优于 PPO。在 5 个随机种子测试中，SAC 平均成功率达 78.6% 且以中位数 1.6M 步达成 80% 成功率阈值，而 PPO 在 4M 步预算内未能达标且平均成功率仅 7.4%。面对未见边界目标时 SAC 仍能保持大部分性能，而 PPO 则容易陷入奖励停滞的局部最优导致性能崩溃。