DeepGait：基于深度强化学习的四足步态规划与控制
机器人学
2020-02-03 v2 机器学习
摘要
本文处理非平坦地形下的腿式运动问题。由于四足等腿式机器人将被部署于几何形态难以建模与预测的地形，亟需使其具备对未知情形良好泛化的能力。本工作中，我们提出一种训练地形感知运动神经网络策略的新技术，其结合了基于模型的运动规划与强化学习的前沿方法。我们的方法核心在于：用动态可行性准则评估替代物理仿真来构建马尔可夫决策过程。据此，我们采用策略梯度方法独立训练策略，分别利用本体感知与外感测量在三维环境中规划与执行落足点与机体运动。我们将方法应用于一套含窄桥、沟壑与踏脚石等特征的具有挑战性的模拟地形场景，训练出的策略在所有情形中均成功实现有效运动。
引用
@article{arxiv.1909.08399,
title = {DeepGait: Planning and Control of Quadrupedal Gaits using Deep Reinforcement Learning},
author = {Vassilios Tsounis and Mitja Alge and Joonho Lee and Farbod Farshidian and Marco Hutter},
journal= {arXiv preprint arXiv:1909.08399},
year = {2020}
}
备注
In IEEE Robotics and Automation Letters (RA-L) and IEEE International Conference on Robotics and Automation (ICRA) 2020 in Paris, France