Learning Highly Dynamic Behaviors for Quadrupedal Robots

要約

ロボットの高度に動的な動作を学習することは長年の課題でした。
従来のアプローチでは堅牢な移動が実証されてきましたが、示された行動には多様性と機敏さが欠けています。
近似モデルを採用しているため、パフォーマンスが低下します。
データ駆動型のアプローチは、動物の機敏な行動を再現することが示されていますが、通常、高度に動的な行動を学習することはできません。
この論文では、ロボットが動物の運動データから非常に動的な行動を学習できるようにする学習ベースのアプローチを提案します。
学習されたコントローラーは四足歩行ロボットに展開され、その結果、コントローラーがダッシュ、ジャンプ、急旋回などの非常にダイナミックな動作を再現できることがわかりました。
マーカーが取り付けられたスティックを使用して、人間のインタラクションを通じてさまざまな動作をアクティブにすることができます。
ロボットは、スティックの動作パターンに基づいて、人間がペットと対話する方法とよく似た、歩き、走り、座り、ジャンプを示します。

要約(オリジナル)

Learning highly dynamic behaviors for robots has been a longstanding challenge. Traditional approaches have demonstrated robust locomotion, but the exhibited behaviors lack diversity and agility. They employ approximate models, which lead to compromises in performance. Data-driven approaches have been shown to reproduce agile behaviors of animals, but typically have not been able to learn highly dynamic behaviors. In this paper, we propose a learning-based approach to enable robots to learn highly dynamic behaviors from animal motion data. The learned controller is deployed on a quadrupedal robot and the results show that the controller is able to reproduce highly dynamic behaviors including sprinting, jumping and sharp turning. Various behaviors can be activated through human interaction using a stick with markers attached to it. Based on the motion pattern of the stick, the robot exhibits walking, running, sitting and jumping, much like the way humans interact with a pet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google