面向复杂地形的仿生式翻子臂 locomotion 设计
机器学习
2024-05-24 v1
摘要
机器人正变得越来越重要,用于遍历灾难区、外星地形和海洋环境等复杂环境,但其潜力往往受到移动性和适应性限制。然而,在自然界,各种动物已进化出精细调校的设计和解剖特征,使其能够在多样化的环境中实现高效 locomotion。海龟例如拥有专门的翻子臂,能够促进长距离 underwater 旅行以及在多种海岸地形之间进行灵活机动。基于仿生智能的原理并借鉴海龟幼崽的设计,本文考察了机器人物理形态与其环境相互作用之间的关键关系,关注其形态特征和 locomotive 行为如何影响陆地导航。我们提出了一个仿生机器人系统,研究了翻子臂/车身形态和踏板模式对其在从沙土到岩石等多种地形上的陆地 locomotion 的影响。评估关键绩效指标如速度和能源消耗,我们的实验结果突显了自适应设计在实现多地形机器人 locomotion 所必需的速度、效率以及应对实际应用中遇到的各种复杂地形的灵活性方面的重要作用。
关键词
引用
@article{arxiv.2405.13947,
title = {Leader Reward for POMO-Based Neural Combinatorial Optimization},
author = {Chaoyang Wang and Pengzhi Cheng and Jingze Li and Weiwei Sun},
journal= {arXiv preprint arXiv:2405.13947},
year = {2024}
}