多任务足式导航统一方法：时序逻辑融合强化学习
机器人学
2024-07-10 v1
摘要
本研究考察了跳跃式机器人导航规划以实现同时完成目标导向与环境探索任务的问题。我们考虑一种场景：机器人具备以线性时序逻辑（LTL）规范定义的强制性目标导向任务，以及以奖励函数表示的可选探索任务。此外，机器人动力学存在不确定性导致运动扰动。我们首先提出一种 3D 跳跃式机器人动力学的抽象模型，以实现高层规划和基于神经网络的低层控制优化。随后，我们引入一种多任务产品 IMDP（MT-PIMDP）模型。我们提出一种统一的控制策略合成算法，使能够同时实现以 LTL 或 RL 为导向的任务行为。我们对由优先级导致的权衡进行形式化证明。我们通过 2D 世界导航环境中的仿真案例展示了方法的有效性。
引用
@article{arxiv.2407.06931,
title = {A Unified Approach to Multi-task Legged Navigation: Temporal Logic Meets Reinforcement Learning},
author = {Jesse Jiang and Samuel Coogan and Ye Zhao},
journal= {arXiv preprint arXiv:2407.06931},
year = {2024}
}
备注
8 pages, 4 figures