用于敏捷四足 locomotion 的状态估计 Transformer

我们提出一种能够准确预测机器人特权状态的方法，以突破四足机器人执行诸如野外跳跃等高级技能的限制。具体而言，我们提出了状态估计 Transformer（SET），将状态估计问题建模为条件序列建模。SET 输出机器人难以在实际中直接获得的状态，如身体高度和速度，通过利用受因果掩码的 Transformer 实现。通过以机器人的过去状态为条件，autoregressive 模型能够在高度动态的 locomotion 环境中准确预测这些特权观测值。我们在三个任务上评估了该方法——跑中跳、跑中后翻滚、跑中侧滑——在低成本四足机器人 Cyberdog2 上进行。结果表明，SET 在估计精度和迁移性方面优于其他方法，以及在实际中完成跳跃和触发恢复控制器的成功率，表明了基于 Transformer 的显式状态估计器在高度动态 locomotion 任务中的优势。