HumanMimic：通过Wasserstein对抗模仿学习使人形机器人习得自然运动与过渡
机器人学
2024-08-15 v4
摘要
将人体运动技能迁移到人形机器人上仍是一项重大挑战。在本研究中，我们引入一种Wasserstein对抗模仿学习系统，使人形机器人通过模仿人体运动来复现自然的全身运动模式并执行无缝过渡。首先，我们提出一种统一的基元-骨架运动重定向，以缓解任意人类演示者与人类形机器人之间的形态差异。一个对抗评论家组件与强化学习（RL）相集成，以引导控制策略产生与混合参考运动数据分布一致的行为。此外，我们采用一种特定的积分概率度量（IPM），即带新颖软边界约束的Wasserstein-1距离，以稳定训练过程并防止模式崩溃。我们的系统在模拟器中的全尺寸人形机器人JAXON上进行了评估。所得控制策略展示了广泛的运运动模式，包括站立、推恢复、深蹲行走、类人直腿行走与动态奔跑。值得注意的是，即使在演示数据集中缺乏过渡运动的情况下，机器人仍展现出随着期望速度变化在不同运动模式间自然过渡的涌现能力。
引用
@article{arxiv.2309.14225,
title = {HumanMimic: Learning Natural Locomotion and Transitions for Humanoid Robot via Wasserstein Adversarial Imitation},
author = {Annan Tang and Takuma Hiraoka and Naoki Hiraoka and Fan Shi and Kento Kawaharazuka and Kunio Kojima and Kei Okada and Masayuki Inaba},
journal= {arXiv preprint arXiv:2309.14225},
year = {2024}
}