面向高速四足运动的执行器约束强化学习
机器人学
2024-01-01 v1
摘要
本文提出一种方法，通过在强化学习中考虑执行器扭矩-速度工作区域来实现四足机器人的高速奔跑。将执行器的物理特性和约束纳入训练过程，以减少因电机扭矩-速度限制而在现实世界中不可行的状态转换。步态奖励设计为将电机扭矩均匀分配到所有腿部，有助于更平衡的功率使用并减轻单电机饱和导致的性能瓶颈。此外，我们设计了轻量级脚部以增强机器人的敏捷性。我们观察到，将电机工作区域作为约束有助于策略网络在采样过程中避免不可行区域。通过训练的策略，KAIST Hound（45 kg四足机器人）能够达到6.5 m/s的速度，这是基于电机的四足机器人中最快的速度。
引用
@article{arxiv.2312.17507,
title = {Actuator-Constrained Reinforcement Learning for High-Speed Quadrupedal Locomotion},
author = {Young-Ha Shin and Tae-Gyu Song and Gwanghyeon Ji and Hae-Won Park},
journal= {arXiv preprint arXiv:2312.17507},
year = {2024}
}