Mini Cheetah，坠落猫：机器人杂技中机器学习与轨迹优化的案例研究
机器人学
2022-03-02 v2
摘要
似乎违背了基本物理学，猫在坠落时总能四脚着地。在本文中，我们设计了一个同样能让 Mini Cheetah 四足机器人四脚着地的控制器。具体而言，我们探索了轨迹优化与机器学习如何协同工作以实现高度动态的仿生行为。我们发现，反射方法（即神经网络学习完整状态轨迹）优于策略方法（即神经网络学习从状态到控制输入的映射）。我们在仿真和硬件实验中均验证了所提出的控制器，并能够在初始俯仰角介于 -90 至 90 度之间的坠落中使机器人四脚着地。
引用
@article{arxiv.2109.04424,
title = {Mini Cheetah, the Falling Cat: A Case Study in Machine Learning and Trajectory Optimization for Robot Acrobatics},
author = {Vince Kurtz and He Li and Patrick M. Wensing and Hai Lin},
journal= {arXiv preprint arXiv:2109.04424},
year = {2022}
}
备注
ICRA 2022, with appendix