Agile and Versatile Robot Locomotion via Kernel-based Residual Learning

要約

この作業は、四足歩行ロボット移動のためのカーネルベースの残差学習フレームワークを開発しました。
最初に、カーネル ニューラル ネットワークは、MPC コントローラーから収集されたデータを使用してトレーニングされます。
凍結されたカーネル ネットワークと並んで、残差コントローラー ネットワークが強化学習によってトレーニングされ、一般化された移動スキルと外部摂動に対する回復力が獲得されます。
この提案されたフレームワークを使用すると、堅牢な四足歩行コントローラーが高いサンプル効率と制御性で学習され、連続速度での全方向移動が提供されます。
その汎用性と堅牢性は、熟練した MPC コントローラーが通過できない目に見えない地形で検証されています。
さらに、学習されたカーネルは、さまざまな機能的な移動動作を生成し、目に見えない歩行に一般化できます。

要約(オリジナル)

This work developed a kernel-based residual learning framework for quadrupedal robotic locomotion. Initially, a kernel neural network is trained with data collected from an MPC controller. Alongside a frozen kernel network, a residual controller network is trained via reinforcement learning to acquire generalized locomotion skills and resilience against external perturbations. With this proposed framework, a robust quadrupedal locomotion controller is learned with high sample efficiency and controllability, providing omnidirectional locomotion at continuous velocities. Its versatility and robustness are validated on unseen terrains that the expert MPC controller fails to traverse. Furthermore, the learned kernel can produce a range of functional locomotion behaviors and can generalize to unseen gaits.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google