从人类示范中学习语义感知的运动技能
机器人学
2022-10-12 v2 人工智能
摘要
环境的语义（如地形类型与属性）揭示了足式机器人调整行为的重要信息。本文提出一个从感知中为四足机器人学习语义感知运动技能的框架，使机器人能利用感知信息以适当速度和步态穿越复杂越野地形。由于缺乏高保真户外仿真，我们的框架需直接在真实世界中训练，这带来数据效率与安全的独特挑战。为确保样本效率，我们用越野驾驶数据集预训练感知模型。为避免真实世界策略探索的风险，我们利用人类示范训练一个速度策略，从相机图像中选择期望前进速度。为最大可通行性，我们将速度策略与步态选择器配对，后者为每个前进速度选择鲁棒运动步态。仅使用 40 分钟人类示范数据，我们的框架学会基于感知地形语义调整机器人速度与步态，并使机器人以接近最优速度无故障行走超过 6km。
引用
@article{arxiv.2206.13631,
title = {Learning Semantics-Aware Locomotion Skills from Human Demonstration},
author = {Yuxiang Yang and Xiangyun Meng and Wenhao Yu and Tingnan Zhang and Jie Tan and Byron Boots},
journal= {arXiv preprint arXiv:2206.13631},
year = {2022}
}