无传感动态负载下双足运动的仿真到实域学习

近期关于双足运动仿真到实域（sim-to-real）学习的工作在各种地形上展示了新的鲁棒性与敏捷性水平。然而，该工作及多数先前的双足运动工作均未考虑在可显著改变整体系统动力学的多种外部负载下的运动。在许多应用中，机器人需要在广泛潜在动态负载（如拉车或搬运装有晃荡液体的大型容器）下保持鲁棒运动，且理想情况下无需额外的负载传感能力。在本工作中，我们探索仅利用本体感受反馈、通过强化学习（RL）与仿真到实域迁移实现动态负载下双足运动的能力。我们表明，先前针对无负载运动训练的 RL 策略对某些负载会失效，而仅在负载背景下训练就足以产生成功且改进的策略。我们还比较了为每个负载训练专用策略与为所有考虑负载训练单一策略，并分析了所得步态如何变化以适应不同负载。最后，我们展示了仿真到实域迁移，其取得成功但呈现出比先前无负载工作更宽的仿真到实域鸿沟，这指向了有趣的未来研究。