全身端效器姿态跟踪

将操作功能与四足机器人的机动性相结合对于广泛的机器人应用至关重要。然而， 将机械臂与移动基座集成显著增加了系统的复杂性，使得精确的端效器控制变得具有挑战性。现有的模型方法常受到建模假设的限制，导致鲁棒性有限。而最近的强化学习 (RL) 实现则限制了机械臂的工作空间位于机器人前方，或仅跟踪位置以获得良好的跟踪精度。在本工作中，我们通过引入用于在粗糙、非结构化地形上大范围工作空间内的端效器姿态跟踪的全身 RL 公式化，来克服上述限制。我们的方法包括针对机器人初始配置和端效器姿态命令的地形感知抽样策略，以及用于扩展机器人操作范围的基于游戏的课程。我们在配备六自由度机械臂的 ANYmal 四足机器人上对方法进行验证。通过实验，我们表明所学控制器在大范围工作空间内实现了精确的命令跟踪，并能适应包括楼梯和坡度在内的各种地形。在部署时，它实现了 2.64 cm 和 3.64 度的姿态跟踪误差，优于现有的竞争基线方法。