Learning Skateboarding for Humanoid Robots through Massively Parallel Reinforcement Learning

要約

学習ベースの手法は、ヒューマノイドを含むロボットの複雑な動作を生成するのに役立つことが証明されています。
強化学習 (RL) は移動ポリシーを学習するために使用されており、その一部は定期的な報酬の定式化を活用しています。
この研究は、REEM-C ロボットの移動の定期的報酬の定式化をスケートボードに拡張します。
Brax/MJX を使用して RL 問題を実装し、高速トレーニングを実現します。
シミュレーションの初期結果は、進行中のハードウェア実験とともに表示されます。

要約(オリジナル)

Learning-based methods have proven useful at generating complex motions for robots, including humanoids. Reinforcement learning (RL) has been used to learn locomotion policies, some of which leverage a periodic reward formulation. This work extends the periodic reward formulation of locomotion to skateboarding for the REEM-C robot. Brax/MJX is used to implement the RL problem to achieve fast training. Initial results in simulation are presented with hardware experiments in progress.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google