Mastering Agile Jumping Skills from Simple Practices with Iterative Learning Control

要約

脚式ロボットで正確なターゲットジャンプを達成することは、長い飛行段階と接触力学とハードウェアに固有の不確実性により、重大な課題を引き起こします。
ハードウェア上でこれらの機敏な動作を強制的に試行すると、重大な障害や潜在的な損傷が発生する可能性があります。
これらの困難な問題に動機付けられて、私たちは、これらの困難なタスクを直接学習するのではなく、ジャンプスキルを簡単なものから難しいものまで学習して洗練させることを目的とした反復学習制御（ILC）アプローチを提案します。
シンプルさから学ぶことで安全性が向上し、試行中のジャンプの精度を目標にできることを検証します。
脚式移動に対する他の ILC アプローチと比較して、私たちの方法は、制御入力が利用できない長い飛行フェーズの問題に取り組むことができます。
さらに、私たちのアプローチにより、ロボットは単純なジャンプタスクから学習したことを適用して、最初から学習するのではなく、ハードウェアで直接、数回の試行内でより困難なタスクを達成することができます。
さまざまなジャンプ タスクの A1 モデルとハードウェアでの広範な実験を通じて、この方法を検証します。
小さなジャンプ (例: 40 cm の前方跳躍) から始めて、ロボットがさまざまな困難な目標を達成できるようにします。これには、高さ 20 cm の箱に飛び乗ったり、最大 60 cm の長距離にジャンプしたりすることも含まれます。
2kgの未知の積載物を運びながらジャンプを実行します。
私たちのフレームワークにより、ロボットは数回の試行内でおよそ 1 cm と 1 度の誤差で目的の位置と方向のターゲットに到達することができます。

要約(オリジナル)

Achieving precise target jumping with legged robots poses a significant challenge due to the long flight phase and the uncertainties inherent in contact dynamics and hardware. Forcefully attempting these agile motions on hardware could result in severe failures and potential damage. Motivated by these challenging problems, we propose an Iterative Learning Control (ILC) approach that aims to learn and refine jumping skills from easy to difficult, instead of directly learning these challenging tasks. We verify that learning from simplicity can enhance safety and target jumping accuracy over trials. Compared to other ILC approaches for legged locomotion, our method can tackle the problem of a long flight phase where control input is not available. In addition, our approach allows the robot to apply what it learns from a simple jumping task to accomplish more challenging tasks within a few trials directly in hardware, instead of learning from scratch. We validate the method via extensive experiments in the A1 model and hardware for various jumping tasks. Starting from a small jump (e.g., a forward leap of 40cm), our learning approach empowers the robot to accomplish a variety of challenging targets, including jumping onto a 20cm high box, jumping to a greater distance of up to 60cm, as well as performing jumps while carrying an unknown payload of 2kg. Our framework can allow the robot to reach the desired position and orientation targets with approximate errors of 1cm and 1 degree within a few trials.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google