学习型框架让缩放液压挖掘机连续自主挖掘，单次循环平均载荷达6.52 kg，高于固定挖掘的2.68 kg
该工作提出一个面向连续自主挖掘的学习型框架，将地形感知的目标选择与强化学习和模仿学习控制器结合：共享的任务条件RL策略负责航点引导的接近与负载运输，IL策略从专家演示中学习基于视觉的挖掘与提升，挖掘目标由LiDAR高程图选出并转换为铲斗尖端航点；系统部署在带多模态传感与闭环执行器控制的缩放液压挖掘机上，离线回放与物理实验显示目标选择更一致、局部运动时间更短、载荷更高，学习型挖掘策略每完成循环平均载荷6.52 kg，而Fixed Dig为2.68 kg，三次五铲运行进一步展示了在持续变化的料堆几何下连续自主挖掘。