整合学习式操作与物理式 locomotion 以实现全身式羽毛球机器人控制
机器人学
2025-04-29 v2 人工智能
机器学习
摘要
学习式方法，如模仿学习（IL）和强化学习（RL），可在运动学等挑战性任务上（如运动员机器人）产生优秀控制策略。然而，现有工作尚未将学习式策略与模型方法融合，以降低训练复杂度并确保持久羽毛球机器人控制的安全性与稳定性。本文引入Hamlet——一种新型混合控制系统，用于挑战性羽毛球机器人。具体而言，我们提出用于底盘 locomotion 的模型方法，为机械臂策略提供基础。我们引入基于物理的IL+RL训练框架，用于学习式机械臂策略。在该训练框架中，采用带特权信息的模型方法指导机械臂策略在IL和RL阶段的训练。此外，我们在IL阶段训练批评模型，以缓解IL至RL过渡时的性能下降问题。我们在自行设计的羽毛球机器人上实现了对serving机的94.5%成功率，对人类玩家的90.7%成功率。该系统可轻易推广至其他挑战性移动操作任务，如敏捷接球和乒乓球。项目网址：https://dreamstarring.github.io/HAMLET/。
引用
@article{arxiv.2504.17771,
title = {Integrating Learning-Based Manipulation and Physics-Based Locomotion for Whole-Body Badminton Robot Control},
author = {Haochen Wang and Zhiwei Shi and Chengxi Zhu and Yafei Qiao and Cheng Zhang and Fan Yang and Pengjie Ren and Lan Lu and Dong Xuan},
journal= {arXiv preprint arXiv:2504.17771},
year = {2025}
}
备注
Accepted to ICRA 2025. Project page: https://dreamstarring.github.io/HAMLET/