Learning Humanoid Standing-up Control across Diverse Postures

要約

スタンディングアップコントロールは、ヒューマノイドロボットにとって非常に重要であり、秋の回復などの現在の移動や局所操作システムに統合する可能性があります。
既存のアプローチは、ハードウェアの制約を見落とすシミュレーションに限定されているか、事前に定義された地上固有の動きの軌跡に依存しており、実際のシーンで姿勢を横切って立ち上がることができません。
このギャップを埋めるために、私たちは、スタンディングアップコントロールをゼロから学習する強化学習フレームワークであるホスト（ヒューマノイドスタンディングアップコントロール）を提示し、多様な姿勢で堅牢なSIMからリアルへの転送を可能にします。
ホストは、多様なシミュレートされた地形に関するマルチクリティックアーキテクチャとカリキュラムベースのトレーニングを活用することにより、姿勢に適応する動きを効果的に学習します。
現実世界の展開を成功させるために、物理ハードウェアの振動と暴力の動きをそれぞれ緩和するために、滑らかさの正則化と暗黙の動き速度で動きを制限します。
シミュレーションベースのトレーニングの後、学習した制御ポリシーは、Unitree G1ヒューマノイドロボットに直接展開されます。
私たちの実験結果は、コントローラーが幅広い実験室および屋外環境で滑らかで安定した、堅牢なスタンディングモーションを実現することを示しています。
ビデオはhttps://taohuang13.github.io/humanoid-standingup.github.io/で入手できます。

要約(オリジナル)

Standing-up control is crucial for humanoid robots, with the potential for integration into current locomotion and loco-manipulation systems, such as fall recovery. Existing approaches are either limited to simulations that overlook hardware constraints or rely on predefined ground-specific motion trajectories, failing to enable standing up across postures in real-world scenes. To bridge this gap, we present HoST (Humanoid Standing-up Control), a reinforcement learning framework that learns standing-up control from scratch, enabling robust sim-to-real transfer across diverse postures. HoST effectively learns posture-adaptive motions by leveraging a multi-critic architecture and curriculum-based training on diverse simulated terrains. To ensure successful real-world deployment, we constrain the motion with smoothness regularization and implicit motion speed bound to alleviate oscillatory and violent motions on physical hardware, respectively. After simulation-based training, the learned control policies are directly deployed on the Unitree G1 humanoid robot. Our experimental results demonstrate that the controllers achieve smooth, stable, and robust standing-up motions across a wide range of laboratory and outdoor environments. Videos are available at https://taohuang13.github.io/humanoid-standingup.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google