AMP in the wild: Learning robust, agile, natural legged locomotion skills

要約

タイトル – 野生のAMP：堅牢で俊敏で自然な脚つきの移動能力の学習

要約-　四足歩行ロボットの学習済みコントローラをシミュレーションから現実世界への成功した転送には、システムを識別する能力だけでなく、ロボットの状態の正確な推定が必要です。本論文では、動的システムのパラメータに関する情報だけでなく、以前の観測からロボットの状態に関する重要な情報を推定できる新しいアルゴリズムを提案します。Adversarial Motion Priorsという手法と統合し、シミュレーションとUnitree A1四足ロボットの両方で、堅牢で俊敏で自然な歩容を実現します。定量的な結果だけでなく、定性的な結果も報告しています。本論文により、提案されたアルゴリズムを用いることで、基準に比べて低い消費電力で難しい地形を移動することができることが実証されました。

要約(オリジナル)

The successful transfer of a learned controller from simulation to the real world for a legged robot requires not only the ability to identify the system, but also accurate estimation of the robot’s state. In this paper, we propose a novel algorithm that can infer not only information about the parameters of the dynamic system, but also estimate important information about the robot’s state from previous observations. We integrate our algorithm with Adversarial Motion Priors and achieve a robust, agile, and natural gait in both simulation and on a Unitree A1 quadruped robot in the real world. Empirical results demonstrate that our proposed algorithm enables traversing challenging terrains with lower power consumption compared to the baselines. Both qualitative and quantitative results are presented in this paper.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI