Snake Robot with Tactile Perception Navigates on Large-scale Challenging Terrain

要約

ロボットスキン技術の進歩に伴い、体表触覚を特徴とするヘビロボットの開発も顕著に進んでいる。
本研究では、触覚を統合してさまざまな地形への適応性を高めるヘビロボットの移動制御フレームワークを提案した。
私たちのアプローチは階層強化学習 (HRL) アーキテクチャを採用しており、高レベルはグローバル ナビゲーション戦略を調整し、低レベルはローカル ナビゲーション操作にカリキュラム学習を使用します。
全身触覚センシングにおける衝突検出には多大な計算量が必要となるため、シミュレータの効率が大幅に低下します。
したがって、効率の低下を軽減するために分散トレーニング パターンが採用されました。
我々は、困難な地形を伴う複雑で大規模な洞窟探検におけるヘビロボットのナビゲーション性能を評価し、動作効率の向上を示し、ヘビロボットの地形適応移動における触覚の有効性を実証した。

要約(オリジナル)

Along with the advancement of robot skin technology, there has been notable progress in the development of snake robots featuring body-surface tactile perception. In this study, we proposed a locomotion control framework for snake robots that integrates tactile perception to augment their adaptability to various terrains. Our approach embraces a hierarchical reinforcement learning (HRL) architecture, wherein the high-level orchestrates global navigation strategies while the low-level uses curriculum learning for local navigation maneuvers. Due to the significant computational demands of collision detection in whole-body tactile sensing, the efficiency of the simulator is severely compromised. Thus a distributed training pattern to mitigate the efficiency reduction was adopted. We evaluated the navigation performance of the snake robot in complex large-scale cave exploration with challenging terrains to exhibit improvements in motion efficiency, evidencing the efficacy of tactile perception in terrain-adaptive locomotion of snake robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google