面向负载运输的学习分散式多双足机器人控制

通过多轮式机器人载体在平坦地形上进行负载运输已被充分研究，高效且可配置。在本文中，我们的目标是为更适合腿部而非轮子的崎岖地形运输提供类似的效率和可配置性。为此，我们考虑了多双足机器人载体，其中轮子被多个附着在载体上的双足机器人取代。我们的主要贡献是为这类系统设计了一种分散式控制器，该控制器无需重新训练即可有效应用于不同数量和配置的刚性连接双足机器人。我们提出了一种在仿真中训练控制器的强化学习方法，该方法支持向真实世界迁移。我们在仿真中的实验提供了定量指标，显示了该方法在多种模拟运输场景中的有效性。此外，我们在由两个和三个Cassie机器人组成的系统中展示了真实世界中的控制器。据我们所知，这是首个可扩展的多双足机器人负载运输系统。