阻抗匹配：实现四足机器人的基于强化学习的跑跳
机器人学
2024-05-01 v2 机器学习
摘要
复制动物展现出的卓越运动能力一直是机器人控制中的挑战。尽管强化学习(RL)在动态足式运动控制方面取得了显著进展，但巨大的 sim-to-real 差距往往阻碍了在真实世界中展示真正动态的运动。我们提出了一个新框架，通过基于频域分析的模拟与真实机器人之间的阻抗匹配来缓解这一差距。我们的框架为参数选择和模拟中的动力学随机化范围提供了结构化指南，从而促进了安全的 sim-to-real 迁移。使用我们框架学习到的策略实现了 55 cm 的跳远距离和 38 cm 的跳高高度。据我们所知，这些结果是基于 RL 的控制策略在真实四足机器人上展示的最高和最远的跑跳之一。值得注意的是，所实现的跳跃高度约为最先进的轨迹优化方法所得高度的 85%，后者可视为给定机器人硬件的物理极限。此外，我们的控制策略实现了高达 2 m/s 的前进和后退稳定行走，以及 1 m/s 的侧向稳定行走。
关键词
引用
@article{arxiv.2404.15096,
title = {Impedance Matching: Enabling an RL-Based Running Jump in a Quadruped Robot},
author = {Neil Guan and Shangqun Yu and Shifan Zhu and Donghyun Kim},
journal= {arXiv preprint arXiv:2404.15096},
year = {2024}
}
备注
Accepted by Ubiquitous Robots 2024