Deep Reinforcement Learning for Bipedal Locomotion: A Brief Survey

要約

Bipedalロボットは、特に深い強化学習（DRL）を通じて、人工知能の潜在的な用途と進歩により、世界的な認識を獲得しています。
DRLは二足歩行の移動を大幅に進めていますが、幅広いタスクを処理できる統一されたフレームワークの開発は、継続的な課題のままです。
この調査では、既存のDRLフレームワークが二足歩行の移動のための既存のDRLフレームワークを分類、比較、分析し、それらをエンドツーエンドおよび階層制御スキームに整理します。
エンドツーエンドのフレームワークは、学習アプローチに基づいて評価されますが、階層的なフレームワークは、学習ベースまたは従来のモデルベースの方法を統合する層状構造の観点から調べられます。
各フレームワークの構成、強み、制限、および機能の詳細な評価を提供します。
さらに、この調査は重要な研究のギャップを特定し、実際の環境で幅広いアプリケーションを備えた、二足歩行のためのより統合された効率的なフレームワークを作成することを目的とした将来の方向性を提案します。

要約(オリジナル)

Bipedal robots are gaining global recognition due to their potential applications and advancements in artificial intelligence, particularly through Deep Reinforcement Learning (DRL). While DRL has significantly advanced bipedal locomotion, the development of a unified framework capable of handling a wide range of tasks remains an ongoing challenge. This survey systematically categorises, compares, and analyses existing DRL frameworks for bipedal locomotion, organising them into end-to-end and hierarchical control schemes. End-to-end frameworks are evaluated based on their learning approaches, while hierarchical frameworks are examined in terms of layered structures that integrate learning-based or traditional model-based methods. We provide a detailed evaluation of the composition, strengths, limitations, and capabilities of each framework. Additionally, this survey identifies key research gaps and proposes future directions aimed at creating a more integrated and efficient framework for bipedal locomotion, with wide-ranging applications in real-world environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google