ARMP：面向复杂室内环境下四足机器人运动与导航的自回归运动规划
机器人学
2023-03-29 v1
摘要
由于腿式机器人动力学复杂，为其生成自然且物理可行的运动一直是一个具有挑战性的问题。在本工作中，我们提出了一种新颖的基于学习的自回归运动规划器（ARMP）框架，用于四足机器人的运动与导航。与大多数针对固定轨迹长度的离线轨迹优化算法不同，我们的方法能够以自回归方式生成任意长度的运动规划。为此，我们首先通过求解大量针对不同场景与参数设置的轨迹优化问题来构建运动库，随后以监督学习的方式从数据集中学习运动流形。我们展示了所提出的 ARMP 能够为多种任务与情境生成物理上合理的运动。我们还展示了我们的方法可作为底层控制器成功集成到近期的机器人导航框架中，从而释放腿式机器人在复杂室内导航中的全部能力。
引用
@article{arxiv.2303.15900,
title = {ARMP: Autoregressive Motion Planning for Quadruped Locomotion and Navigation in Complex Indoor Environments},
author = {Jeonghwan Kim and Tianyu Li and Sehoon Ha},
journal= {arXiv preprint arXiv:2303.15900},
year = {2023}
}
备注
Submitted to IROS