Learning Visual Quadrupedal Loco-Manipulation from Demonstrations

要約

四足歩行ロボットは人間の環境に徐々に統合されています。
四足ロボットの移動能力は向上しているにもかかわらず、現実的なシーンにおける物体との相互作用は依然として制限されています。
四足ロボットに追加のロボット アームを使用すると物体を操作できるようになりますが、四足ロボットが基本的に 4 つの手足を備えた移動ユニットであり、それぞれが 3 つの自由度 (DoF) を備えていることを考えると、アームは冗長になる場合があります。
したがって、私たちは四足ロボットが脚だけを使って現実世界の操作タスクを実行できるようにすることを目指しています。
移動操作プロセスを、低レベルの強化学習 (RL) ベースのコントローラーと高レベルの行動クローニング (BC) ベースのプランナーに分解します。
操作の軌跡をパラメータ化することで、上位層と下位層の取り組みを同期させ、RL と BC の両方の利点を活用します。
私たちのアプローチはシミュレーションと実世界の実験を通じて検証され、移動中にカゴを地面から持ち上げる、食器洗い機を閉める、ボタンを押す、ドアを押すなど、機動性と高精度が要求されるタスクを実行するロボットの能力を実証しています。
プロジェクトのウェブサイト: https://zhengmaohe.github.io/leg-manip

要約(オリジナル)

Quadruped robots are progressively being integrated into human environments. Despite the growing locomotion capabilities of quadrupedal robots, their interaction with objects in realistic scenes is still limited. While additional robotic arms on quadrupedal robots enable manipulating objects, they are sometimes redundant given that a quadruped robot is essentially a mobile unit equipped with four limbs, each possessing 3 degrees of freedom (DoFs). Hence, we aim to empower a quadruped robot to execute real-world manipulation tasks using only its legs. We decompose the loco-manipulation process into a low-level reinforcement learning (RL)-based controller and a high-level Behavior Cloning (BC)-based planner. By parameterizing the manipulation trajectory, we synchronize the efforts of the upper and lower layers, thereby leveraging the advantages of both RL and BC. Our approach is validated through simulations and real-world experiments, demonstrating the robot’s ability to perform tasks that demand mobility and high precision, such as lifting a basket from the ground while moving, closing a dishwasher, pressing a button, and pushing a door. Project website: https://zhengmaohe.github.io/leg-manip

arxiv情報

提供元, 利用サービス

arxiv.jp, Google