DreamWaQ：基于深度强化学习隐式地形想象的学习鲁棒四足运动
机器人学
2023-03-06 v2 系统与控制
系统与控制
摘要
四足机器人类似于腿足动物通过非结构化地形行走的身体能力。然而，由于其功能复杂性且需要适应各种地形，为四足机器人设计控制器是一项重大挑战。近来，受腿足动物从经验中学习行走的启发，深度强化学习已被用于合成自然的四足运动。然而，最先进的方法强烈依赖于复杂且可靠的感知框架。此外，仅依赖本体感知的已有工作在面对挑战性地形（尤其是长距离）时表现出有限的能力。本工作提出一种新颖的四足运动学习框架，使四足机器人即使在有限感知模态下也能穿越挑战性地形。所提框架在真实世界户外环境中以单次长距离运行在不同条件下得到验证。
引用
@article{arxiv.2301.10602,
title = {DreamWaQ: Learning Robust Quadrupedal Locomotion With Implicit Terrain Imagination via Deep Reinforcement Learning},
author = {I Made Aswin Nahrendra and Byeongho Yu and Hyun Myung},
journal= {arXiv preprint arXiv:2301.10602},
year = {2023}
}
备注
Accepted for ICRA 2023