腿即机械臂：将四足机器人的敏捷性拓展至运动之外
机器人学
2023-03-23 v2 人工智能
计算机视觉与模式识别
机器学习
系统与控制
系统与控制
摘要
运动控制在穿越复杂地形的行走或奔跑方面已取得显著进展。然而，四足机器人仍远落后于其生物对应体（如狗），后者展现出多种敏捷技能，并能将腿用于运动之外的若干基本操作任务，如与物体交互和攀爬。在本文中，我们朝缩小这一差距迈出一步：训练四足机器人不仅在真实世界中行走，还使用前腿攀爬墙壁、按压按钮并进行物体交互。为应对这一极具挑战性的优化问题，我们将技能学习宽泛地解耦为运动（涉及任何通过行走或爬墙产生的移动）与操作（涉及用一条腿交互同时以其余三条腿保持平衡）。这些技能在仿真中使用课程学习进行训练，并通过我们提出的基于近期运动控制成果的 sim2real 变体迁移到真实世界。最后，我们通过学习从一次干净专家演示中编码高层任务层级的行为树，将这些技能组合为鲁棒的长期规划。我们在仿真与真实世界中评估了我们的方法，展示了短程与长程任务的成功执行，以及鲁棒性如何帮助抵御外部扰动。视频见 https://robot-skills.github.io
引用
@article{arxiv.2303.11330,
title = {Legs as Manipulator: Pushing Quadrupedal Agility Beyond Locomotion},
author = {Xuxin Cheng and Ashish Kumar and Deepak Pathak},
journal= {arXiv preprint arXiv:2303.11330},
year = {2023}
}
备注
Accepted at ICRA 2023. Videos at https://robot-skills.github.io