Pretraining-finetuning Framework for Efficient Co-design: A Case Study on Quadruped Robot Parkour

要約

自然界では、クーガーなどの優れた移動能力を持つ動物は、非対称の前脚と後脚を持っていることが多く、強力な後脚は跳躍のためのエネルギーの貯蔵庫として機能します。
この観察は私たちにインスピレーションを与えました。四足ロボットの脚の長さを最適化することで、同様の移動能力をロボットに与えることができるだろうか？
この論文では、四足ロボットの運動能力を向上させるために機械構造と制御ポリシーを共同最適化するアプローチを提案します。
具体的には、新しい事前トレーニング微調整フレームワークを導入します。これは、機械候補ごとに最適な制御戦略を保証するだけでなく、時間効率も保証します。
さらに、空間領域のランダム化と正則化手法を統合し、ネットワークの一般化性を著しく向上させる、事前トレーニング ネットワーク用の革新的なトレーニング方法を考案しました。
私たちの実験結果は、提案された事前トレーニング微調整フレームワークが、より少ない時間消費で全体的な共同設計パフォーマンスを大幅に向上させることを示しています。
さらに、この共同設計戦略は、制御戦略を個別に最適化する従来の方法を大幅に上回り、ロボットの運動性能をさらに向上させ、四足ロボットの極限のパルクール能力を強化する革新的なアプローチを提供します。

要約(オリジナル)

In nature, animals with exceptional locomotion abilities, such as cougars, often possess asymmetric fore and hind legs, with their powerful hind legs acting as reservoirs of energy for leaps. This observation inspired us: could optimize the leg length of quadruped robots endow them with similar locomotive capabilities? In this paper, we propose an approach that co-optimizes the mechanical structure and control policy to boost the locomotive prowess of quadruped robots. Specifically, we introduce a novel pretraining-finetuning framework, which not only guarantees optimal control strategies for each mechanical candidate but also ensures time efficiency. Additionally, we have devised an innovative training method for our pretraining network, integrating spatial domain randomization with regularization methods, markedly improving the network’s generalizability. Our experimental results indicate that the proposed pretraining-finetuning framework significantly enhances the overall co-design performance with less time consumption. Moreover, the co-design strategy substantially exceeds the conventional method of independently optimizing control strategies, further improving the robot’s locomotive performance and providing an innovative approach to enhancing the extreme parkour capabilities of quadruped robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google