基于深度强化学习实现仿人机器人稳定高速运动
机器人学
2024-10-22 v1
摘要
仿人机器人在执行广泛任务时具有显著的通用性，但其基本的行走和奔跑能力，尤其是在高速下，仍是一个挑战。本文提出了一种将深度强化学习与运动动力学先验相结合以实现稳定运动控制的新方法（KSLC）。KSLC 促进协调的手臂运动以抵消去稳定力，从而增强整体稳定性。与基线方法相比，KSLC 在速度控制方面提供了更精确的指令速度跟踪和更好的泛化能力。在仿真测试中，启用 KSLC 的仿人机器人成功跟踪了 3.5 m/s 的目标速度，且波动减小。在高保真环境中的 sim-to-sim 验证进一步证实了其稳健的性能，突显了其在现实世界应用中的潜力。
引用
@article{arxiv.2409.16611,
title = {Achieving Stable High-Speed Locomotion for Humanoid Robots with Deep Reinforcement Learning},
author = {Xinming Zhang and Xianghui Wang and Lerong Zhang and Guodong Guo and Xiaoyu Shen and Wei Zhang},
journal= {arXiv preprint arXiv:2409.16611},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication