在野外学习鲁棒、敏捷且自然的腿式运动技能
机器人学
2023-10-09 v3 人工智能
摘要
近年来，强化学习已成为机器人腿式运动的一种有前景且流行的解决方案。与基于模型的控制相比，基于强化学习的控制器可通过仿真到实物的学习对环境不确定性实现更好的鲁棒性。然而，相应学到的步态通常过于保守且不自然。本文提出一种新框架，用于在具有挑战性的地形上学习鲁棒、敏捷且自然的腿式运动技能。我们在师生训练流程上引入基于真实动物运动数据的对抗训练分支，以实现鲁棒的仿真到实物迁移。四足机器人在仿真与真实世界中的实验结果表明，所提算法仅依靠本体感知即可鲁棒地穿越楼梯、碎石地面和湿滑地面等挑战性地形。同时，与基线相比，其步态更敏捷、自然且节能。本文给出了定性与定量结果。
引用
@article{arxiv.2304.10888,
title = {Learning Robust, Agile, Natural Legged Locomotion Skills in the Wild},
author = {Yikai Wang and Zheyuan Jiang and Jianyu Chen},
journal= {arXiv preprint arXiv:2304.10888},
year = {2023}
}
备注
Project page and videos: https://sites.google.com/view/adaptive-multiskill-locomotion