学习多智能体运动-操作用于长时序四足推撑任务
机器人学
2025-04-01 v4 人工智能
机器学习
多智能体系统
摘要
近年来，四足运动取得了显著进展，但其操控能力，特别是处理大型物体的能力，仍然有限，限制了其在搜索救援、建筑、工业自动化和房间整理等要求苛刻的真实场景中的应用。本文研究了多台四足机器人进行障碍物感知、长时序推撑的任务。我们提出了一种三层分层多智能体强化学习框架。高层控制器整合 RRT 规划器与集中式自适应策略来生成子目标，中层控制器使用去中心化目标条件策略引导机器人朝向这些子目标移动，而预训练的低层运动策略执行运动指令。我们在仿真中对多种基线方法进行了评估，结果表明相较于最优基线方法，成功率提升了 36.0%，完成时间减少了 24.5%。我们的框架成功地在真实世界的 Go1 机器人上实现了 Push-Cuboid 和 Push-T 等长时序、障碍物感知的操控任务。
引用
@article{arxiv.2411.07104,
title = {Learning Multi-Agent Loco-Manipulation for Long-Horizon Quadrupedal Pushing},
author = {Yuming Feng and Chuye Hong and Yaru Niu and Shiqi Liu and Yuxiang Yang and Wenhao Yu and Tingnan Zhang and Jie Tan and Ding Zhao},
journal= {arXiv preprint arXiv:2411.07104},
year = {2025}
}