从专家示范中学习四足机器人的稳定机动动作

随着四足机器人研发步伐的加快，基于学习的技术正被探索用于开发此类机器人的运动控制器。一个关键问题是以稳定方式为连续变化的目标线速度和角速度生成腿部轨迹。本文中，我们提出一种双管齐下的方法来解决该问题。首先，训练多个较简单的策略，为离散的目标速度和转弯半径集合生成轨迹。然后利用一个更高层的神经网络对这些策略进行增强，以处理所学轨迹之间的过渡。具体而言，我们开发了一个基于神经网络的滤波器，其接收目标速度和半径并将其转换为新的指令，从而实现到新轨迹的平滑过渡。该转换通过从专家示范中学习来实现。其一个应用是将新手用户的输入转换为专家用户的输入，从而无论用户经验如何都确保稳定的机动动作。与标准神经网络架构相比，训练我们所提架构所需的专家示范要少得多。最后，我们在自研四足机器人 Stoch 2 上通过实验展示了这些结果。