基于强化学习的地形感知四足运动
机器人学
2023-10-12 v2
摘要
自然界中，有腿动物通过感知发展了适应复杂地形的能力，使其能提前规划安全的身体与足部轨迹，从而实现安全且节能的运动。受此启发，我们提出一种训练深度神经网络（DNN）策略的新方法，该策略将本体感知与外感知状态与参数化轨迹生成器相结合，使四足机器人穿越崎岖地形。我们的核心思路是使用可修改轨迹生成器参数（如足高与频率）的 DNN 策略以适应不同地形。为促使机器人踩踏安全区域并节省能耗，我们分别提出足部地形奖励与抬足高度奖励。通过引入这些奖励，我们的方法能学习到更安全高效的地形感知运动策略，使四足机器人可灵活向任意方向移动。为评估方法有效性，我们在含楼梯、踏脚石与杆件等挑战性地形上开展仿真实验。仿真结果表明，该方法能成功引导机器人向任意方向穿越此类艰难地形。此外，我们在真实腿式机器人上验证方法，其学会了跨越间隙超 25.5cm 的踏脚石。
引用
@article{arxiv.2310.04675,
title = {Terrain-Aware Quadrupedal Locomotion via Reinforcement Learning},
author = {Haojie Shi and Qingxu Zhu and Lei Han and Wanchao Chi and Tingguang Li and Max Q. -H. Meng},
journal= {arXiv preprint arXiv:2310.04675},
year = {2023}
}