学习控制真实机器人中的仿真肌肉：迈向利用仿生执行器形态
机器人学
2025-07-10 v1
摘要
最近的研究已经证明了利用肌肉执行器形态实现自然和鲁棒运动的巨大潜力——在仿真中。在真实机器人硬件上的验证尚缺。在本研究中，我们利用现代且价格合理的电机，在硬件上实时仿真肌肉执行器特性。我们证明了我们的设置可以在真实机器人上仿真简化的肌肉模型，同时由学习到的策略控制。我们通过推导一个阻尼规则改进了现有的肌肉模型，该规则确保模型不仅性能良好且稳定，而且可针对真实硬件进行调节。我们的策略完全在仿真中通过强化学习训练，我们证明了先前报道的肌肉益处可扩展到四足运动和跳跃的情况：学习到的策略更鲁棒，并表现出更规则的步态。最后，我们确认学习到的策略可以在真实硬件上执行，并证明了在四足机器人上通过实时仿真肌肉进行仿真到现实的迁移是可能的。这些结果表明，人工肌肉可以成为未来几代鲁棒腿式机器人非常有益的驱动器。
引用
@article{arxiv.2402.05371,
title = {Learning to Control Emulated Muscles in Real Robots: Towards Exploiting Bio-Inspired Actuator Morphology},
author = {Pierre Schumacher and Lorenz Krause and Jan Schneider and Dieter Büchler and Georg Martius and Daniel Haeufle},
journal= {arXiv preprint arXiv:2402.05371},
year = {2025}
}