基于深度确定性策略梯度的双足行走机器人
机器人学
2018-07-18 v2 人工智能
机器学习
摘要
机器学习算法已在机器人学与控制系统领域找到诸多应用。控制系统的学界已开始关注来自监督学习、模仿学习与强化学习等子领域的多种机器学习算法，以实现自主控制与智能决策。在众多复杂控制问题中，稳定双足行走一直是最具挑战性的问题。本文提出一种利用真实机器人仿真器 Gazebo 设计与仿真平面双足行走机器人（BWR）的架构。该机器人通过大量试错学习，无需自身或世界动力学的任何先验知识，即展现出成功的行走行为。BWR 的自主行走通过称为深度确定性策略梯度（DDPG）的强化学习算法实现。DDPG 是连续动作空间中学习控制的算法之一。在仿真中训练模型后观察到，借助适当成形的奖励函数，机器人实现了更快行走甚至以平均 0.83 m/s 的速度呈现出跑步步态。双足行走者的步态模式与实际人类行走模式进行了比较。结果表明双足行走模式具有与人类行走模式相似的特征。展示我们实验的视频可在 https://goo.gl/NHXKqR 获取。
引用
@article{arxiv.1807.05924,
title = {Bipedal Walking Robot using Deep Deterministic Policy Gradient},
author = {Arun Kumar and Navneet Paul and S N Omkar},
journal= {arXiv preprint arXiv:1807.05924},
year = {2018}
}
备注
Research manuscript submitted to IEEE Symposium Series on Computational Intelligence(SSCI), 2018