面向学习鲁棒仿人机器人运动中关键估计的理解
机器人学
2024-03-12 v1
摘要
准确的状态估计在确保仿人机器人的鲁棒控制中起着至关重要的作用，特别是在基于学习的腿式机器人控制策略方面。然而，关于估计的分析研究存在显著空白。因此，我们致力于进一步理解各类估计如何影响策略的决策过程。在本文中，我们利用显著性分析来识别关键估计变量并优化其组合以用于仿人机器人运动任务，从而为学习到的状态估计的有效性提供了定量见解。我们在仿真和真实世界环境中，对具有不同估计组合的策略对比组进行了评估，以评估其跟踪精度和鲁棒性。结果验证了所提出的策略能够跨越 sim-to-real 差距，并表现出优于其他策略配置的性能。
引用
@article{arxiv.2403.05868,
title = {Toward Understanding Key Estimation in Learning Robust Humanoid Locomotion},
author = {Zhicheng Wang and Wandi Wei and Ruiqi Yu and Jun Wu and Qiuguo Zhu},
journal= {arXiv preprint arXiv:2403.05868},
year = {2024}
}