基于深度强化学习的四足机器人鲁棒恢复控制器
机器人学
2024-12-20 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
从跌倒中恢复的能力是腿式机器人在复杂环境中稳健导航的一项基本特性。迄今为止，该主题上的进展甚少。当前的解决方案大多建立在（启发式）预定义轨迹之上，导致不自然的行为，并且在工程系统特定组件方面需要大量工作。在本文中，我们提出一种基于无模型深度强化学习（RL）的方法，使用基于行为的分层控制器来控制四足机器人的恢复动作。该控制器由四个神经网络策略组成，包括三个行为和一个用于协调它们的行为选择器。它们各自在仿真中单独训练并直接部署在真实系统上。我们在四足机器人ANYmal上实验验证了我们的方法，该系统是一只狗大小、具有12个自由度的四足系统。使用我们的方法，ANYmal表现出动态且反应式的恢复行为，能在少于5秒内从任意跌倒构型中恢复。我们测试了该恢复动作超过100次，成功率高于97%。
引用
@article{arxiv.1901.07517,
title = {Robust Recovery Controller for a Quadrupedal Robot using Deep Reinforcement Learning},
author = {Joonho Lee and Jemin Hwangbo and Marco Hutter},
journal= {arXiv preprint arXiv:1901.07517},
year = {2024}
}