基于深度强化学习的腿式机器人在低重力下的猫式跳跃与着陆
机器人学
2021-06-18 v1
摘要
在本文中，我们展示了学习策略可用于解决具有大量飞行阶段的腿式运动控制任务，例如空间探索中遇到的那些。利用现成的深度强化学习算法，我们训练了一个神经网络来控制跳跃四足机器人，仅使用其肢体进行姿态控制。我们提出了复杂度递增的任务，最终实现四足机器人在模拟低重力天体上遍历时的三维（再）定向与着陆运动行为组合。我们表明该方法易于在这些任务间泛化，并成功为每种情况训练出策略。利用 sim-to-real 迁移，我们在真实世界的 SpaceBok 机器人上部署了训练策略，该机器人置于为二维微重力实验设计的实验测试台上。实验结果证明，具备自然敏捷性的重复、可控跳跃与着陆是可行的。
引用
@article{arxiv.2106.09357,
title = {Cat-like Jumping and Landing of Legged Robots in Low-gravity Using Deep Reinforcement Learning},
author = {Nikita Rudin and Hendrik Kolvenbach and Vassilios Tsounis and Marco Hutter},
journal= {arXiv preprint arXiv:2106.09357},
year = {2021}
}
备注
Published in IEEE Transactions on Robotics: https://ieeexplore.ieee.org/document/9453856 Video: https://youtu.be/KQhlZa42fe4