FootstepNet：一种用于快速在线双足脚步规划与预测的高效演员-评论家方法
机器人学
2024-12-18 v2 人工智能
摘要
设计人形机器人运动控制器具有挑战性，通常被分解为若干子问题。脚步规划是其中之一，其中定义了脚步序列。即使在较简单的环境中，寻找最小序列，甚至是一个可行序列，都会产生一个复杂的优化问题。在文献中，该问题通常通过基于搜索的算法（例如 A* 的变体）来解决。然而，此类方法要么计算成本高昂，要么依赖于对多个参数的手工调整。在本工作中，首先，我们提出了一种高效脚步规划方法，基于最先进的深度强化学习技术，用于在有障碍物的局部环境中导航，且在线推理的计算需求非常低。我们的方法无需启发式，并依赖于连续的动作集来生成可行的脚步。相比之下，其他方法需要选择相关的离散动作集。其次，我们提出了一种预测方法，能够快速估计到达不同局部目标候选点所需的脚步数量。该方法依赖于演员-评论家深度强化学习架构所进行的固有计算。我们通过仿真结果以及在 RoboCup 2023 比赛中部署于儿童尺寸人形机器人上，证明了我们方法的有效性。
引用
@article{arxiv.2403.12589,
title = {FootstepNet: an Efficient Actor-Critic Method for Fast On-line Bipedal Footstep Planning and Forecasting},
author = {Clément Gaspard and Grégoire Passault and Mélodie Daniel and Olivier Ly},
journal= {arXiv preprint arXiv:2403.12589},
year = {2024}
}