自适应腿式运动的多专家学习
机器人学
2020-12-11 v1 人工智能
机器学习
摘要
实现多功能的机器人运动需要能够适应前所未见情况的运动技能。我们提出了一种多专家学习架构（MELA），该架构从一组具有代表性的专家技能中学习生成自适应技能。在训练期间，MELA首先由一组不同的预训练专家初始化，每个专家位于一个独立的深度神经网络（DNN）中。然后，通过使用门控神经网络（GNN）学习这些DNN的组合，MELA可以获取更专门的专家技能以及跨多种运动模式的过渡技能。在运行时，MELA不断混合多个DNN并动态合成一个新的DNN，以针对变化情况产生自适应行为。该方法利用了训练好的专家技能优势以及自适应策略的快速在线合成，从而在变化任务中生成响应迅速的运动技能。使用统一的MELA框架，我们在真实四足机器人上展示了成功的多技能运动，其自主执行连贯的对角小跑、转向和跌倒恢复，并表明了多专家学习在生成可适应未知场景行为方面的优点。
引用
@article{arxiv.2012.05810,
title = {Multi-expert learning of adaptive legged locomotion},
author = {Chuanyu Yang and Kai Yuan and Qiuguo Zhu and Wanming Yu and Zhibin Li},
journal= {arXiv preprint arXiv:2012.05810},
year = {2020}
}