基于 SOFA 的 PPO 强化学习三足软腿机器人开发
机器人学
2025-04-15 v1 人工智能
摘要
刚性机器人得到了广泛研究，而软体机器人仍属探索不足的领域。利用软体机器人执行替代人类的任务尤为重要，尤其是在粗糙地形环境下的恶劣和危险条件下。为了教会机器人在不同情景中行为，实时物理和视觉仿真是必需的。对于软体机器人而言，仿真框架仍是一个棘手的问题需要解决。使用仿真开放框架架构（SOFA）是有利的一步。然而，SOFA 的手册和现有公开 SOFA 项目均未显示用户可达到的潜在能力。因此，我们通过建立自定义设置和适当处理框架组件来解决此问题。确定理想、精细调校的 SOFA 参数已激发我们致力于实施最先进（SOTA）强化学习（RL）方法——近端策略优化（PPO）的动力。最终表示是一个在 SOFA 环境中基于 PPO-RL 的 well-defined、可部署的行走、三足、软腿机器人。机器人导航性能是衡量成功分辨率的关键指标。尽管在仿真软体机器人情况下，达成单一目标的 82% 成功率是突破性成果，但我们推进了边界进一步步骤，通过分配一系列目标来评估进展。跟随平台步骤，发现超越发现以累积平方误差偏差为 19 mm。完整代码已公开于 \href{https://github.com/tarekshohdy/PPO_SOFA_Soft_Legged_Robot.git}{github.com/tarekshohdy/PPOSOFASoftLeggedRobot.git}。
引用
@article{arxiv.2504.09242,
title = {Development of a PPO-Reinforcement Learned Walking Tripedal Soft-Legged Robot using SOFA},
author = {Yomna Mokhtar and Tarek Shohdy and Abdallah A. Hassan and Mostafa Eshra and Omar Elmenawy and Osama Khalil and Haitham El-Hussieny},
journal= {arXiv preprint arXiv:2504.09242},
year = {2025}
}