FootstepNet: an Efficient Actor-Critic Method for Fast On-line Bipedal Footstep Planning and Forecasting

要約

ヒューマノイドの移動コントローラーの設計は困難であり、従来はサブ問題に分割されていました。
足跡計画もその 1 つで、足跡のシーケンスが定義されます。
より単純な環境であっても、最小シーケンス、または実行可能なシーケンスを見つけると、複雑な最適化問題が発生します。
文献では、この問題は通常、検索ベースのアルゴリズム (A* のバリアントなど) によって対処されています。
ただし、そのようなアプローチは計算コストが高くなるか、いくつかのパラメータの手動調整に依存します。
この研究では、まず、最先端の深層強化学習 (DRL) 技術に基づいて、オンライン推論の計算要件が非常に低く、障害物のあるローカル環境内を移動するための効率的な足跡計画方法を提案します。
私たちのアプローチにはヒューリスティックはなく、継続的な一連のアクションに依存して実行可能なフットステップを生成します。
対照的に、他の方法では、関連する個別のアクションのセットを選択する必要があります。
2 番目に、ローカル ターゲットのさまざまな候補に到達するために必要な足跡数を迅速に推定できる予測方法を提案します。
このアプローチは、アクタークリティカルな DRL アーキテクチャによって行われる固有の計算に依存しています。
私たちは、シミュレーション結果と、ロボカップ 2023 大会中の子供サイズの人型ロボットへの展開によって、アプローチの有効性を実証します。

要約(オリジナル)

Designing a humanoid locomotion controller is challenging and classically split up in sub-problems. Footstep planning is one of those, where the sequence of footsteps is defined. Even in simpler environments, finding a minimal sequence, or even a feasible sequence, yields a complex optimization problem. In the literature, this problem is usually addressed by search-based algorithms (e.g. variants of A*). However, such approaches are either computationally expensive or rely on hand-crafted tuning of several parameters. In this work, at first, we propose an efficient footstep planning method to navigate in local environments with obstacles, based on state-of-the art Deep Reinforcement Learning (DRL) techniques, with very low computational requirements for on-line inference. Our approach is heuristic-free and relies on a continuous set of actions to generate feasible footsteps. In contrast, other methods necessitate the selection of a relevant discrete set of actions. Second, we propose a forecasting method, allowing to quickly estimate the number of footsteps required to reach different candidates of local targets. This approach relies on inherent computations made by the actor-critic DRL architecture. We demonstrate the validity of our approach with simulation results, and by a deployment on a kid-size humanoid robot during the RoboCup 2023 competition.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google