CAJun：基于学习质心控制器的连续自适应跳跃
机器人学
2023-10-31 v2
摘要
我们提出 CAJun，一种新颖的分层学习与控制系统，使腿式机器人能够以自适应跳跃距离连续跳跃。CAJun 由一个高层质心策略和一个低层腿部控制器组成。特别地，我们使用强化学习（RL）训练质心策略，其为腿部控制器指定步态时序、基座速度与摆动脚位置。腿部控制器根据步态时序优化摆动腿与支撑腿的电机指令，以使用最优控制跟踪摆动脚目标与基座速度指令。此外，我们重构腿部控制器中的支撑腿优化器，将策略训练速度提升一个数量级。我们的系统结合了学习的通用性与最优控制的鲁棒性。通过将 RL 与最优控制方法结合，我们的系统实现了学习的通用性，同时享有控制方法的鲁棒性，使其易于迁移到真实机器人。我们表明，在单个 GPU 上训练 20 分钟后，CAJun 可在 Go1 机器人上以较小的仿真到现实差距实现自适应的连续远距离跳跃。此外，该机器人可跨越最大宽度 70cm 的间隙，比现有方法宽逾 40%。
引用
@article{arxiv.2306.09557,
title = {CAJun: Continuous Adaptive Jumping using a Learned Centroidal Controller},
author = {Yuxiang Yang and Guanya Shi and Xiangyun Meng and Wenhao Yu and Tingnan Zhang and Jie Tan and Byron Boots},
journal= {arXiv preprint arXiv:2306.09557},
year = {2023}
}
备注
Please visit https://yxyang.github.io/cajun/ for additional results