在挑战性地形上学习四足运动
机器人学
2020-10-23 v1 机器学习
系统与控制
系统与控制
摘要
地球上一些最具挑战性的环境四足动物可以进入，但对自主机器而言仍不可及。腿式运动可大幅扩展机器人的作业领域。然而，传统的腿式运动控制器基于复杂的状态机，显式触发运动基元与反射的执行。这些设计在复杂性上不断升级，却未能达到动物运动的通用性与鲁棒性。在此我们提出一种用于挑战性自然环境中腿式运动的极强鲁棒控制器。我们提出了一种将本体感受反馈纳入运动控制的新方案，并展示了从仿真到自然环境的显著零样本泛化能力。该控制器通过仿真中的强化学习训练得到，基于一个作用于本体感受信号流的神经网络。训练后的控制器已带领两代四足 ANYmal 机器人进入多种自然环境中，这些环境超出了以往已发表腿式运动工作的范围。该控制器在训练期间从未遇到的条件下仍保持鲁棒性：如泥雪等可变形地形、如碎石等动态落脚处，以及如茂密植被与急流等地面障碍。所呈现的工作为机器人学开辟了新前沿，并表明自然环境中极强的鲁棒性可通过在简单得多的领域中训练而实现。
引用
@article{arxiv.2010.11251,
title = {Learning Quadrupedal Locomotion over Challenging Terrain},
author = {Joonho Lee and Jemin Hwangbo and Lorenz Wellhausen and Vladlen Koltun and Marco Hutter},
journal= {arXiv preprint arXiv:2010.11251},
year = {2020}
}