要約
ペディピュレーションは、脚式ロボットの足を移動操作に活用するもので、専用のロボットアームを必要としない。これまでの研究では、盲目的でタスクに特化したペディピュレーションスキルが紹介されてきたが、環境中の静的・動的な障害物を考慮できていない。この限界に対処するため、我々は強化学習ベースのアプローチを導入し、足の位置コマンドを追跡すると同時に障害物を回避する全身障害物認識ポリシーを訓練する。シミュレーションでは、5つの異なる静的なシナリオでのみポリシーを訓練したにもかかわらず、我々は、それが障害物の数や種類が異なる未知の環境にも汎化することを示す。我々は、一連のシミュレーション実験を通して本手法の性能を分析し、学習した方針をANYmal四脚に展開することに成功し、静的および動的な障害物を回避しながら足の命令に追従する能力を実証した。
要約(オリジナル)
Pedipulation leverages the feet of legged robots for mobile manipulation, eliminating the need for dedicated robotic arms. While previous works have showcased blind and task-specific pedipulation skills, they fail to account for static and dynamic obstacles in the environment. To address this limitation, we introduce a reinforcement learning-based approach to train a whole-body obstacle-aware policy that tracks foot position commands while simultaneously avoiding obstacles. Despite training the policy in only five different static scenarios in simulation, we show that it generalizes to unknown environments with different numbers and types of obstacles. We analyze the performance of our method through a set of simulation experiments and successfully deploy the learned policy on the ANYmal quadruped, demonstrating its capability to follow foot commands while navigating around static and dynamic obstacles.
arxiv情報
著者 | Jonas Stolle,Philip Arm,Mayank Mittal,Marco Hutter |
発行日 | 2024-11-01 14:13:27+00:00 |
arxivサイト | arxiv_id(pdf) |