接触条件驱动的多步态运动策略学习
机器人学
2025-03-10 v2
摘要
本文研究了目标表示对足式机器人多步态策略学习设置中性能和泛化的影响。为了隔离研究该问题，我们将策略学习问题建模为能够生成多种步态的模型预测控制器模仿。我们假设，将学习到的策略条件化于未来的接触切换是一种适合学习单一策略以生成多种步态的目标表示。我们的理由是，基于接触信息条件化的策略可以利用不同步态之间的共享结构。我们广泛的仿真结果验证了关于在双足和四足机器人上学习多种步态的假设。最有趣的是，我们的结果显示，当机器人在训练数据分布之外进行测试时，基于接触条件化的策略比其他文献中常见的目标表示泛化得更好。
引用
@article{arxiv.2408.00776,
title = {Contact-conditioned learning of multi-gait locomotion policies},
author = {Michal Ciebielski and Federico Burgio and Majid Khadiv},
journal= {arXiv preprint arXiv:2408.00776},
year = {2025}
}