Robust Robot Walker: Learning Agile Locomotion over Tiny Traps

要約

四足ロボットは、実際の用途では堅牢な歩行能力を発揮する必要があります。
この研究では、四足ロボットがさまざまな小さな障害物、つまり「小さなトラップ」を通過できるようにする新しいアプローチを提案します。
既存の方法は外受容センサーに依存することが多く、このような小さなトラップの検出には信頼性が低い場合があります。
この制限を克服するために、私たちのアプローチは固有受容入力のみに焦点を当てています。
さまざまなトラップの暗黙的な表現を学習するために、接触エンコーダーと分類ヘッドを組み込んだ 2 段階のトレーニング フレームワークを導入します。
さらに、トレーニングの安定性と目標追跡タスクの展開の容易性の両方を向上させるために、調整された一連の報酬関数を設計します。
さらなる研究に役立てるため、私たちは小さなトラップタスクの新しいベンチマークを設計しました。
シミュレーションと現実世界の両方の設定での広範な実験により、私たちの方法の有効性と堅牢性が実証されました。
プロジェクトページ: https://robust-robot-walker.github.io/

要約(オリジナル)

Quadruped robots must exhibit robust walking capabilities in practical applications. In this work, we propose a novel approach that enables quadruped robots to pass various small obstacles, or ‘tiny traps’. Existing methods often rely on exteroceptive sensors, which can be unreliable for detecting such tiny traps. To overcome this limitation, our approach focuses solely on proprioceptive inputs. We introduce a two-stage training framework incorporating a contact encoder and a classification head to learn implicit representations of different traps. Additionally, we design a set of tailored reward functions to improve both the stability of training and the ease of deployment for goal-tracking tasks. To benefit further research, we design a new benchmark for tiny trap task. Extensive experiments in both simulation and real-world settings demonstrate the effectiveness and robustness of our method. Project Page: https://robust-robot-walker.github.io/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google