通过转向学习行走：动态环境中的感知型四足 locomotion
机器人学
2023-02-21 v4 人工智能
摘要
我们解决了动态环境中的感知型 locomotion 问题。在该问题中，四足机器人必须针对环境杂波与移动障碍物表现出鲁棒且敏捷的行走行为。我们提出一个名为 PRELUDE 的分层学习框架，将感知型 locomotion 问题分解为用于预测导航指令的高层决策与用于实现目标指令的低层步态生成。在该框架中，我们基于可转向推车上采集的人类示范以模仿学习训练高层导航控制器，并以强化学习（RL）训练低层步态控制器。因此，我们的方法能从人类监督中获取复杂导航行为，并从试错中发现多样化步态。我们在仿真与硬件实验中展示了方法的有效性。视频与代码见项目主页：https://ut-austin-rpl.github.io/PRELUDE。
引用
@article{arxiv.2209.09233,
title = {Learning to Walk by Steering: Perceptive Quadrupedal Locomotion in Dynamic Environments},
author = {Mingyo Seo and Ryan Gupta and Yifeng Zhu and Alexy Skoutnev and Luis Sentis and Yuke Zhu},
journal= {arXiv preprint arXiv:2209.09233},
year = {2023}
}
备注
Accepted to ICRA 2023