通过覆盖度量优化步态库

许多机器人通过组合诸如步进和转向等运动基元在世界中移动。为此，机器人并不需要具有对人类而言直观合理的基元。当机器人受损且不再按设计运动时，这一点变得至关重要。在此我们提出一个称为“覆盖率”的目标函数，它以一种独立于基元自身具体细节的方式表示运动基元库的实用性。我们展示了在仿真和物理机器人上优化覆盖率的能力，并表明覆盖率可在受伤后快速恢复。这表明通过优化覆盖率，机器人即使面临显著机械故障也能维持其穿越世界的能力。该方法的益处因样本高效、数据驱动的系统辨识方法而增强，后者可快速为基元优化提供信息。我们发现自由度数量改善了仿真机器人的恢复速率，这是步态优化与强化学习领域中罕见的结果。我们展示了一个由树枝制成肢体（无可用 CAD 模型或第一性原理模型）的机器人能够快速找到有效的 Coverage 高的运动基元库。这些优化后的基元对人类观察者完全不直观，因此不太可能通过手动调参获得。