SafeSteps：通过基于模型的先验学习腿式机器人更安全的足步规划策略
机器人学
2025-01-30 v4
摘要
我们提出一种用于四足运动的足步规划策略，其能够在决策中直接考虑先验安全信息。其核心是一个学习过程，分析地形块，依据运动学可行性、小腿碰撞和地形粗糙度对每个落足位置进行分类。该信息随后被编码为小型向量表示，并作为附加状态传递给足步规划策略；该策略进一步通过应用掩码版近端策略优化（Proximal Policy Optimization）算法仅提出安全足步位置。所提方法的性能通过对比仿真与实验展示：在一台电动四足机器人于不同崎岖地形场景中行走时进行验证。我们表明，上述安全条件的违反在训练及策略后续部署中均大幅减少，从而得到一个本质更安全的足步规划器。此外，我们展示出作为副产物，塑造策略行为所需的奖励项更少，而策略反过来能够实现更好的最终性能与采样效率。
引用
@article{arxiv.2307.12664,
title = {SafeSteps: Learning Safer Footstep Planning Policies for Legged Robots via Model-Based Priors},
author = {Shafeef Omar and Lorenzo Amatucci and Victor Barasuol and Giulio Turrisi and Claudio Semini},
journal= {arXiv preprint arXiv:2307.12664},
year = {2025}
}
备注
Accepted for publication at the 2023 IEEE-RAS International Conference on Humanoid Robots (Humanoids)