基于强化学习增强模型的步态适应方法用于推力恢复
机器人学
2024-11-05 v1 系统与控制
系统与控制
摘要
本文提出了一种新方法，用于增强人oid 步行在强烈扰动（如重大推力）下的鲁棒性。有效地恢复外部扰动需要 bipedal 机器人动态调整步态策略，包括脚步位置和时机。与大多数先进步态控制器将脚步位置限制在预定义凸区域，从而大幅限制可恢复扰动范围不同，我们的方法利用强化学习动态调整允许的脚步区域，将其扩大到更大的、实际上非凸的区域，允许横跨步态，这对于抵消大幅侧向推力至关重要。此外，我们的方法在实时内适应脚步时机，以进一步扩展可恢复扰动的范围。基于这些调整，通过求解 QP 规划可行的脚步位置和 DCM 轨迹。最后，我们采用 DCM 控制器和逆动力全身控制框架，确保机器人有效地遵循轨迹。
引用
@article{arxiv.2411.01000,
title = {Enhancing Model-Based Step Adaptation for Push Recovery through Reinforcement Learning of Step Timing and Region},
author = {Tobias Egle and Yashuai Yan and Dongheui Lee and Christian Ott},
journal= {arXiv preprint arXiv:2411.01000},
year = {2024}
}