高效接触规划的可行转换学习
机器人学
2024-12-05 v2
摘要
本文提出了一种四足机器人在受限环境（如石子堆）中导航的高效接触规划器。此设置的主要难点在于问题的混合性质，即对可站立区域的离散搜索与连续轨迹优化。为加速离散搜索，我们研究了从一种接触模式到另一种接触模式的转换属性。具体而言，我们提出学习动态可行性分类器和目标调整网络。前者预测两种接触模式之间的接触转换是否动态可行。后者在训练中用于补偿低层控制器的不完美，从而实现对达到所需接触位置的偏移。我们将这些学习网络集成到蒙特卡洛树搜索(MCTS)接触规划器中。我们的仿真结果表明，使用离线数据训练这些网络显著加快了在线搜索速度，并提高了其准确性。
引用
@article{arxiv.2407.11788,
title = {Learning feasible transitions for efficient contact planning},
author = {Rikhat Akizhanov and Victor Dhédin and Majid Khadiv and Ivan Laptev},
journal= {arXiv preprint arXiv:2407.11788},
year = {2024}
}