利用预训练神经网络高效学习鲁棒四足腾跃控制策略
机器人学
2023-10-31 v3 人工智能
摘要
腾跃是四足运动中对越过障碍而言重要的步态之一。作者提出了一种有效的方法，尽管动态身体运动存在较大变化，仍能更高效地学习鲁棒的腾跃步态。作者首先基于由传统基于模型的控制器操作的机器人数据对神经网络（NN）进行预训练，然后通过深度强化学习（DRL）进一步优化预训练的NN。特别地，作者设计了一个考虑接触点和接触相位的奖励函数以强制步态对称性和周期性，从而改善了腾跃性能。基于NN的反馈控制器在仿真中学习并成功直接部署在真实四足机器人Jueying Mini上。使用作者的方法在室内外展示了多种环境。作者的方法通过Jueying Mini四足机器人在不平坦地形上腾跃展示了高效计算和良好的运动结果。
引用
@article{arxiv.2011.00446,
title = {Efficient Learning of Control Policies for Robust Quadruped Bounding using Pretrained Neural Networks},
author = {Zhicheng Wang and Anqiao Li and Yixiao Zheng and Anhuan Xie and Zhibin Li and Jun Wu and Qiuguo Zhu},
journal= {arXiv preprint arXiv:2011.00446},
year = {2023}
}
备注
12 pages