COMPOSER：面向蛇形机器人的可扩展且鲁棒模块化策略
机器人学
2023-10-03 v1 机器学习
摘要
蛇形机器人在与环境交互中展现出显著的顺应性与适应性，映射了其自然同类的特性。尽管其超冗余与高维特性增强了这种适应性，也给机器人控制带来巨大挑战。我们将蛇形机器人的超冗余与灵活性视为不仅是挑战，其在控制策略层面增强鲁棒性与泛化能力方面存在未开发的潜力。我们致力于开发一种有效控制策略，在分解蛇形机器人高维性的同时利用其冗余性。本工作中，我们将蛇形机器人视为模块化机器人，并将蛇形机器人控制建模为协作式多智能体强化学习（MARL）问题。蛇形机器人的每一节段作为一个独立智能体。具体而言，我们引入自注意力机制以增强智能体间的协作行为。提出一种高层想象策略，提供额外奖励以引导底层控制策略。我们通过五项蛇形机器人任务验证所提方法 COMPOSER，包括目标到达、爬墙、形状形成、穿管与推块。与集中式基线及四种模块化策略基线相比，COMPOSER 在所有任务中均取得最高成功率。此外，我们展示了所提方法对模块损坏的增强鲁棒性以及显著优越的零样本泛化能力。本工作视频见项目页：https://sites.google.com/view/composer-snake/。
引用
@article{arxiv.2310.00871,
title = {COMPOSER: Scalable and Robust Modular Policies for Snake Robots},
author = {Yuyou Zhang and Yaru Niu and Xingyu Liu and Ding Zhao},
journal= {arXiv preprint arXiv:2310.00871},
year = {2023}
}
备注
7 pages, 5 figures