Hierarchical RL-Guided Large-scale Navigation of a Snake Robot

要約

古典的なヘビ ロボットの制御では、特定の環境に合わせて調整されたヘビのような歩き方を模倣します。
ただし、構造化されていない環境で適応的に動作するには、歩行の生成を動的にスケジュールする必要があります。
この研究では、ヘビロボットが大規模な環境で自由に移動できるようにするための 4 層の階層制御スキームを紹介します。
提案されたモデルは、ナビゲーションをグローバル計画、ローカル計画、歩行生成、および歩行追跡に分解します。
強化学習 (RL) と中央パターン ジェネレーター (CPG) を使用することで、私たちのメソッドは数時間以内に複雑な迷路をナビゲートすることを学習し、ゼロショット方式で任意の新しい環境に直接展開できます。
ノースイースタン社のスリザリング ロボット COBRA の高忠実度モデルを使用して、提案された階層制御アプローチの有効性をテストします。

要約(オリジナル)

Classical snake robot control leverages mimicking snake-like gaits tuned for specific environments. However, to operate adaptively in unstructured environments, gait generation must be dynamically scheduled. In this work, we present a four-layer hierarchical control scheme to enable the snake robot to navigate freely in large-scale environments. The proposed model decomposes navigation into global planning, local planning, gait generation, and gait tracking. Using reinforcement learning (RL) and a central pattern generator (CPG), our method learns to navigate in complex mazes within hours and can be directly deployed to arbitrary new environments in a zero-shot fashion. We use the high-fidelity model of Northeastern’s slithering robot COBRA to test the effectiveness of the proposed hierarchical control approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google