Ask1: Development and Reinforcement Learning-Based Control of a Custom Quadruped Robot

要約

この研究では、カスタムビルドの四足ロボット Ask1 の設計、開発、および実験的検証について説明します。
Ask1 ロボットは Unitree Go1 と同様の形態を共有していますが、カスタム ハードウェア コンポーネントと異なる制御アーキテクチャを備えています。
以前の強化学習 (RL) ベースの制御手法を Ask1 ロボットに転送および拡張し、現実世界のシナリオでのアプローチの適用可能性を実証します。
Adversarial Motion Priors (AMP) と参照軌道の必要性を排除することで、ロボットの動作スタイルをガイドする新しい報酬関数を導入します。
提案された RL アルゴリズムを Go1 ロボットと Ask1 ロボットの両方でトレーニングすることにより、その一般化機能を実証します。
シミュレーションと現実世界の実験はこの方法の有効性を検証し、Ask1 が Go1 と同様にさまざまな険しい地形を移動できることを示しています。

要約(オリジナル)

In this work, we present the design, development, and experimental validation of a custom-built quadruped robot, Ask1. The Ask1 robot shares similar morphology with the Unitree Go1, but features custom hardware components and a different control architecture. We transfer and extend previous reinforcement learning (RL)-based control methods to the Ask1 robot, demonstrating the applicability of our approach in real-world scenarios. By eliminating the need for Adversarial Motion Priors (AMP) and reference trajectories, we introduce a novel reward function to guide the robot’s motion style. We demonstrate the generalization capability of the proposed RL algorithm by training it on both the Go1 and Ask1 robots. Simulation and real-world experiments validate the effectiveness of this method, showing that Ask1, like the Go1, is capable of navigating various rugged terrains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google