基于强化学习的蛇形机器人高效蜿蜒步态探索
机器人学
2019-04-17 v1
摘要
与自然界中的同类相似,蛇形机器人灵活的身体增强了其在多样环境中的运动能力和适应性。然而,这种灵活性对应着一项涉及高度冗余自由度的复杂控制任务,传统的基于模型的方法通常无法使机器人以节能方式推进。在这项工作中,我们提出了一种利用无模型强化学习(RL)算法为蛇形机器人设计节能蜿蜒步态的新方法。具体而言,我们提出了一种基于 RL 的控制器,用于生成大速度范围内的运动步态,该控制器使用近端策略优化(PPO)算法进行训练。同时,我们给出了一种传统的参数化步态控制器,并使用网格搜索和贝叶斯优化算法对其参数集进行优化以进行合理比较。基于仿真结果的分析,我们证明该基于 RL 的控制器表现出非常自然且自适应的运动,并且比参数化控制器生成的步态节能得多。视频见 \textcolor{blue}{\href{https://videoviewsite.wixsite.com/rlsnake}{https://videoviewsite.wixsite.com/rlsnake}}。
引用
@article{arxiv.1904.07788,
title = {Energy-Efficient Slithering Gait Exploration for a Snake-like Robot based on Reinforcement Learning},
author = {Zhenshan Bing and Christian Lemke and Zhuangyi Jiang and Kai Huang and Alois Knoll},
journal= {arXiv preprint arXiv:1904.07788},
year = {2019}
}