GLiDE：基于质心模型在多样环境中实现可泛化四足运动
机器人学
2022-02-17 v3 机器学习
摘要
用于腿式运动的无模型强化学习（RL）通常依赖能够准确预测机器人每个自由度行为的物理模拟器。相比之下，许多模型预测控制策略常使用近似降阶模型。本工作中，我们放弃在 RL 中常规使用高保真动力学模型，转而探究在使用远为简单的质心模型并结合四足运动时，RL 所能达成的效果。我们表明，基于 RL 对质心模型加速度的控制在配合二次规划通过地面接触力实现指令动作时出奇有效。其允许简单的奖励结构、降低的计算成本以及稳健的仿真到实机迁移。我们通过展示平地步态、踏脚石运动、双腿原地平衡、平衡木运动以及直接仿真到实机迁移，说明了该方法的通用性。
引用
@article{arxiv.2104.09771,
title = {GLiDE: Generalizable Quadrupedal Locomotion in Diverse Environments with a Centroidal Model},
author = {Zhaoming Xie and Xingye Da and Buck Babich and Animesh Garg and Michiel van de Panne},
journal= {arXiv preprint arXiv:2104.09771},
year = {2022}
}
备注
video: https://youtu.be/m4scMY8LcmQ