Whole-body Humanoid Robot Locomotion with Human Reference

要約

最近、強化学習 (RL) の導入により、ヒューマノイド ロボットは困難なタスクを実行する能力が大幅に進歩しましたが、複雑な報酬関数の設計や高度なシステム全体のトレーニングの難しさなど、ヒューマノイド ロボットに固有の複雑さは依然として残っています。
顕著な課題をもたらしています。
これらの課題を克服するために、多くの反復と綿密な調査を経て、私たちはフルサイズの人型ロボット「アダム」を細心の注意を払って開発しました。その革新的な構造設計により、模倣学習プロセスの効率と有効性が大幅に向上しました。
さらに、我々は、敵対的動作事前学習に基づいた新しい模倣学習フレームワークを開発しました。これは、アダムだけでなく、ヒューマノイドロボット一般に適用されます。
このフレームワークを使用すると、アダムは移動タスクにおいて前例のない人間のような特性を発揮できます。
私たちの実験結果は、提案されたフレームワークにより、アダムが複雑な移動タスクにおいて人間と同等のパフォーマンスを達成できることを示しており、人間の移動データがフルサイズの人型ロボットの模倣学習に初めて使用されたことを示しています。

要約(オリジナル)

Recently, humanoid robots have made significant advances in their ability to perform challenging tasks due to the deployment of Reinforcement Learning (RL), however, the inherent complexity of humanoid robots, including the difficulty of designing complicated reward functions and training entire sophisticated systems, still poses a notable challenge. To conquer these challenges, after many iterations and in-depth investigations, we have meticulously developed a full-size humanoid robot, ‘Adam’, whose innovative structural design greatly improves the efficiency and effectiveness of the imitation learning process. In addition, we have developed a novel imitation learning framework based on an adversarial motion prior, which applies not only to Adam but also to humanoid robots in general. Using the framework, Adam can exhibit unprecedented human-like characteristics in locomotion tasks. Our experimental results demonstrate that the proposed framework enables Adam to achieve human-comparable performance in complex locomotion tasks, marking the first time that human locomotion data has been used for imitation learning in a full-size humanoid robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google