DittoGym：学习控制软体可重构机器人
机器人学
2025-05-13 v3 机器学习
摘要
机器人协同设计，即将机器人的形态与学习策略联合优化以解决特定任务，是一个新兴的研究领域。它对软体机器人尤其具有前景，因为这些机器人适用于能够实现学习到的形态和执行器的新型制造技术。受自然和最新颖机器人设计的启发，我们提出更进一步，探索新型可重构机器人，即在其生命周期内能够改变自身形态的机器人。我们将可重构软体机器人的控制形式化为一个高维强化学习 (RL) 问题。我们在同一动作空间中统一了形态变化、移动和环境交互，并引入了适当的由粗到细的课程，使我们能够发现实现对所得机器人精细控制的策略。我们还引入了 DittoGym，这是一个用于可重构软体机器人的综合 RL 基准，这些机器人需要精细的形态变化来完成任务。最后，我们在 DittoGym 上评估了我们提出的由粗到细算法，并展示了由我们的 RL 算法独特实现的、机器人在一个序列中多次学习改变其形态的能力。更多结果请访问 https://suninghuang19.github.io/dittogym_page/。
引用
@article{arxiv.2401.13231,
title = {DittoGym: Learning to Control Soft Shape-Shifting Robots},
author = {Suning Huang and Boyuan Chen and Huazhe Xu and Vincent Sitzmann},
journal= {arXiv preprint arXiv:2401.13231},
year = {2025}
}