基于习得机器人嵌入的腿式机器人导航技能学习
机器人学
2021-09-14 v3
摘要
近期工作展示了在仿真中为理想化圆柱智能体学习导航策略并迁移至真实轮式机器人的结果。由于腿式机器人复杂动力学以及圆柱智能体与腿式系统间的巨大动力学差异，将此类导航策略部署于腿式机器人颇具挑战。本工作中，我们学习分层导航策略，以考量腿式机器人的低层动力学，如最大速度、打滑、接触等，并学会在杂乱室内环境中成功导航。为使仿真中学习的策略迁移至新腿式机器人与硬件，我们借助机器人专属嵌入跨多机器人学习动力学感知的导航策略。习得的嵌入在新机器人上优化，而策略其余部分保持固定，从而实现快速适配。我们在仿真中跨三个腿式机器人训练策略——两只四足机器人（A1、AlienGo）与一只六足机器人（Daisy）。在测试时，我们于仿真中两个新腿式机器人（Laikago、四足 Daisy）与一个真实四足机器人（A1）上研究习得策略的性能。实验表明，我们的习得策略可采样高效地泛化至未见过的机器人，并实现腿式机器人导航策略的仿真到真实迁移。
引用
@article{arxiv.2011.12255,
title = {Learning Navigation Skills for Legged Robots with Learned Robot Embeddings},
author = {Joanne Truong and Denis Yarats and Tianyu Li and Franziska Meier and Sonia Chernova and Dhruv Batra and Akshara Rai},
journal= {arXiv preprint arXiv:2011.12255},
year = {2021}
}