面向腿式运动的质心运动规划器学习
机器人学
2020-11-06 v1
摘要
全身优化器已成功用于自动计算复杂的动态运动行为。然而，它们通常仅限于离线规划，因为其计算代价过高，无法以高频率重新规划。因此，更简单的模型通常用于在线重规划。本文提出一种针对运动任务实时生成全身运动的方法。我们的方法包括学习一个质心神经网络，该网络在给定机器人当前状态和期望接触计划的情况下预测所需的质心运动。该网络使用现有的全身运动优化器进行训练。我们的方法能够以少量训练样本学习动态运动，并可用于高频率的完整全身控制框架中，这通常是典型全身优化器难以实现的。我们在真实四足机器人上展示了该方法可生成丰富的行走和跳跃运动。
引用
@article{arxiv.2011.02818,
title = {Learning a Centroidal Motion Planner for Legged Locomotion},
author = {Julian Viereck and Ludovic Righetti},
journal= {arXiv preprint arXiv:2011.02818},
year = {2020}
}