学习足式移动操作中位置与力控制的统一策略

机器人移动操作任务通常涉及与环境丰富的接触交互，需要对接触力和机器人位置进行联合建模。然而，最近的视觉运动策略通常只关注学习位置或力控制，忽略了它们的协同学习。在这项工作中，我们提出了首个用于足式机器人的统一策略，该策略在不依赖力传感器的情况下联合学习力与位置控制。通过模拟位置和力指令的多种组合以及外部扰动力，我们使用强化学习学习了一种策略，该策略从历史机器人状态中估计力，并通过位置和速度调整进行补偿。该策略在变化的力和位置输入下支持广泛的操作行为，包括位置跟踪、施力、力跟踪和柔顺交互。此外，我们证明，所学习的策略通过其力估计模块纳入了必要的接触信息，从而增强了基于轨迹的模仿学习流程，与位置控制策略相比，在四个具有挑战性的富接触操作任务中实现了约 39.5% 的更高成功率。在四足操作机器人和人形机器人上的大量实验验证了所提策略在多种场景下的通用性和鲁棒性。