基于贝叶斯优化的四足机器人原地小跑步态脚手架式学习
机器人学
2021-04-06 v2 机器学习
摘要
在学习试验中，系统会暴露于不同的故障条件下，可能在发现安全行为之前就损坏机器人部件。人类通过将学习首先立足于更安全的结构/控制并逐步增加难度来规避这一问题。本文展示了类似的支持措施在四足机器人稳定步态学习中的影响。基于教学脚手架的心理理论，我们为机器人提供不同的支撑设置（通过应变片评估），并使用贝叶斯优化对稳定的 Raibert 控制器进行参数搜索。我们进行了若干实验以衡量步态学习过程中恒定支撑与逐步减少支撑之间的关系，结果表明逐步减少的支撑能够比固定高度支撑创造出更稳定的步态。尽管仿真与现实的差距可能导致机器人发生灾难性故障，我们所提方法在学习新行为时兼顾了速度与安全性。
引用
@article{arxiv.2101.09961,
title = {Scaffolded Learning of In-place Trotting Gait for a Quadruped Robot with Bayesian Optimization},
author = {Keyan Zhai and Chu'an Li and Andre Rosendo},
journal= {arXiv preprint arXiv:2101.09961},
year = {2021}
}
备注
9 pages, 6 figures, 16-th International Conference on Intelligent Autonomous System (IAS-16)