基于强化学习的快速运动
机器人学
2022-05-06 v1 人工智能
机器学习
摘要
在野外奔跑与高速转向等敏捷机动对足式机器人而言极具挑战。我们提出了一种端到端学习的控制器，为MIT Mini Cheetah实现了创纪录的敏捷性，可持续速度高达3.9 m/s。该系统在草地、冰面和碎石等自然地形上快速奔跑与转向，并对扰动具有鲁棒响应。我们的控制器是在仿真中通过强化学习训练并迁移至真实世界的神经网络。两个关键组成部分是(i)基于速度指令的自适应课程，以及(ii)借自先前工作的用于仿真到真实迁移的在线系统辨识策略。机器人行为视频见：https://agility.csail.mit.edu/
引用
@article{arxiv.2205.02824,
title = {Rapid Locomotion via Reinforcement Learning},
author = {Gabriel B Margolis and Ge Yang and Kartik Paigwar and Tao Chen and Pulkit Agrawal},
journal= {arXiv preprint arXiv:2205.02824},
year = {2022}
}
备注
Accepted for publication at Robotics: Science and Systems (RSS) 2022