用于复杂地形上四足机器人自适应跌倒恢复控制器的学习
机器人学
2024-12-24 v1
摘要
四足机器人在复杂环境中的运动已展现出巨大潜力，但在具有挑战性的地形上恢复跌倒仍然是一个重大难题。本文提出了一种用于具有挑战性地形（如岩石、岩壁、陡坡和不规则石头）上的四足机器人自适应跌倒恢复（Adaptive Fall Recovery, AFR）控制器。我们利用深度强化学习来训练AFR控制器，使其能够适应广泛的地形几何形状和物理属性。我们的方法在现有方法上取得了改进，展示了在具有挑战性地形上的恢复场景中取得有前景的结果。我们在Isaac Gym中进行训练，使用Go1平台，并直接迁移到Spot和ANYmal等主流四足平台。此外，我们在Gazebo中验证了控制器的有效性。我们的结果表明，AFR控制器在复杂地形上具有良好的概括能力，并在成功率和恢复速度方面优于基线方法。
引用
@article{arxiv.2412.16924,
title = {Learning an Adaptive Fall Recovery Controller for Quadrupeds on Complex Terrains},
author = {Yidan Lu and Yinzhao Dong and Ji Ma and Jiahui Zhang and Peng Lu},
journal= {arXiv preprint arXiv:2412.16924},
year = {2024}
}
备注
Preprint; under review. First two authors contributed equally