CrossLoco:基于引导式无监督强化学习的人体运动驱动腿式机器人控制
机器人学
2023-10-02 v1
摘要
人体运动驱动控制(HMDC)是一种在保留高层语义的同时生成自然且引人注目的机器人运动的有效方法。然而,由于人与机器人在运动学与动力学特性上的不匹配,建立具有不同身体结构的人与机器人之间的对应关系并非易事,这给问题带来了固有的模糊性。许多先前的算法采用无监督学习来处理这一运动重定向问题,其需要预设技能集。然而,在不理解给定人体运动的情况下学习所有技能代价极高,对高维机器人尤为如此。本工作中,我们提出CrossLoco,一种同时学习机器人技能及其与人体运动对应关系的引导式无监督强化学习框架。我们的关键创新是引入基于循环一致性的奖励项,旨在最大化人体运动与机器人状态之间的互信息。我们证明所提框架能通过翻译多样的人体运动(如跑、跳、跳舞)生成引人注目的机器人运动。我们将CrossLoco与手动工程化及无监督基线算法以及我们框架的消融版本进行定量比较,表明我们的方法在人体运动翻译上具有更好的准确性、多样性和用户偏好。我们还展示了它在其他应用中的效用,例如从语言输入合成机器人动作以及实现交互式机器人控制。
引用
@article{arxiv.2309.17046,
title = {CrossLoco: Human Motion Driven Control of Legged Robots via Guided Unsupervised Reinforcement Learning},
author = {Tianyu Li and Hyunyoung Jung and Matthew Gombolay and Yong Kwon Cho and Sehoon Ha},
journal= {arXiv preprint arXiv:2309.17046},
year = {2023}
}