基于贝塞尔曲线的动力学与域随机化步态调制用于仿真到现实的腿式运动
机器人学
2020-10-26 v1
摘要
我们提出一个仿真到现实框架，利用动力学与域随机化的离线强化学习来增强腿式机器人的开环步态，使其无需感知足部接触即可穿越不平地形。我们的方法，D-随机化贝塞尔曲线步态调制（D-GMBC），使用带随机化动力学与地形的增强随机搜索，在仿真中训练一个策略，该策略修改四足机器人开环贝塞尔曲线步态生成器的参数与输出。该策略仅使用惯性测量，使机器人能够穿越未知粗糙地形，即使机器人的物理参数与开环模型不匹配。我们将所得策略与手工调参的贝塞尔曲线步态以及未使用随机化训练的策略进行比较，包括在仿真中与在一台真实四足机器人上。使用 D-GMBC，在各种未观测且未知的不平地形实验中，机器人行走距离明显远于手工调参步态或未经域随机化学习的步态。此外，使用 D-GMBC，机器人可在粗糙地形上横向行走与旋转，尽管其仅被训练用于向前行走。
引用
@article{arxiv.2010.12070,
title = {Dynamics and Domain Randomized Gait Modulation with Bezier Curves for Sim-to-Real Legged Locomotion},
author = {Maurice Rahme and Ian Abraham and Matthew L. Elwin and Todd D. Murphey},
journal= {arXiv preprint arXiv:2010.12070},
year = {2020}
}