学习线性策略以实现双足机器人在变坡度地形上的鲁棒行走
机器人学
2021-08-10 v2 人工智能
机器学习
系统与控制
系统与控制
摘要
在本文中，着眼于为双足行走机器人部署轻量级控制框架，我们实现了由单一线性反馈策略塑造的端足轨迹。我们通过无模型且无梯度的学习算法 Augmented Random Search (ARS)，在两个机器人平台 Rabbit 和 Digit 中学习该策略。我们的贡献有两点：a) 通过使用躯干和支撑平面朝向作为输入，我们在仿真中实现了在高达 20 度坡度上的鲁棒行走。b) 我们展示了额外的行为，如向后行走、原地踏步，以及从高达 120 N 的外部推力中恢复。最终结果是针对变坡度地形上双足行走的一种鲁棒且快速的反馈控制律。在结尾，我们还提供了向 Digit 进行硬件迁移的初步结果。
引用
@article{arxiv.2104.01662,
title = {Learning Linear Policies for Robust Bipedal Locomotion on Terrains with Varying Slopes},
author = {Lokesh Krishna and Utkarsh A. Mishra and Guillermo A. Castillo and Ayonga Hereid and Shishir Kolathaya},
journal= {arXiv preprint arXiv:2104.01662},
year = {2021}
}
备注
6 pages, 5 figures, Accepted in 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2021) in Prague, Czech Republic