SYNLOCO：融合中枢模式发生器与强化学习的四足机器人运动控制
机器人学
2023-10-11 v1
摘要
中枢模式发生器（CPG）擅长生成具有稳定时序与充足抬脚间隙的节律步态模式。然而，其开环结构常因环境变化而损害系统控制性能。另一方面，强化学习（RL）以其无模型特性著称，因固有的适应性与鲁棒性在机器人领域获得广泛关注。但从零启动的传统RL方法存在计算挑战及收敛至次优局部极小的高风险。本文提出一种创新的四足运动框架SYNLOCO，通过融合CPG与RL巧妙结合两者优势，从而开发出稳定且自然的运动控制器。此外，我们引入一组性能驱动的奖励指标以增强运动控制学习。为优化SYNLOCO的学习过程，提出两阶段训练策略。我们在Unitree GO1机器人上于不同速度、地形与负载条件下进行的实证评估，展示了SYNLOCO在多样场景中生成一致且抬脚清晰的步态的能力。所开发的控制器对显著参数变化表现出韧性，凸显其在鲁棒现实应用中的潜力。
引用
@article{arxiv.2310.06606,
title = {SYNLOCO: Synthesizing Central Pattern Generator and Reinforcement Learning for Quadruped Locomotion},
author = {Xinyu Zhang and Zhiyuan Xiao and Qingrui Zhang and Wei Pan},
journal= {arXiv preprint arXiv:2310.06606},
year = {2023}
}
备注
7 Pages