Learning Quiet Walking for a Small Home Robot

要約

ホームロボット工学が牽引力を獲得するにつれて、ロボットはますます世帯に統合され、交際と支援を提供します。
四足動物、特に犬に似たロボットは、伝統的なペットの人気のある代替品として浮上しています。
ただし、ユーザーのフィードバックは、これらのロボットが自宅で歩いているときに生成するノイズ、特に大きな足音の音に関する懸念を強調しています。
この問題に対処するために、SIM-to-Realベースの強化学習（RL）アプローチを提案して、足音の音に非常に関連するフット接触速度を最小限に抑えます。
私たちのフレームワークには、3つの重要な要素が組み込まれています。さまざまなPDゲインを学習して、各ジョイントを積極的に減衰させて硬化させ、足の接触センサーを利用し、カリキュラム学習を使用して足接触速度の罰則を徐々に実施します。
実験は、学習したポリシーがRLベースラインや慎重に手作りのソニー商業コントローラーと比較して優れた静けさを達成することを示しています。
さらに、堅牢性と静かさの間のトレードオフが示されています。
この研究は、家庭環境でより静かでユーザーフレンドリーなロボットの仲間の開発に貢献しています。

要約(オリジナル)

As home robotics gains traction, robots are increasingly integrated into households, offering companionship and assistance. Quadruped robots, particularly those resembling dogs, have emerged as popular alternatives for traditional pets. However, user feedback highlights concerns about the noise these robots generate during walking at home, particularly the loud footstep sound. To address this issue, we propose a sim-to-real based reinforcement learning (RL) approach to minimize the foot contact velocity highly related to the footstep sound. Our framework incorporates three key elements: learning varying PD gains to actively dampen and stiffen each joint, utilizing foot contact sensors, and employing curriculum learning to gradually enforce penalties on foot contact velocity. Experiments demonstrate that our learned policy achieves superior quietness compared to a RL baseline and the carefully handcrafted Sony commercial controllers. Furthermore, the trade-off between robustness and quietness is shown. This research contributes to developing quieter and more user-friendly robotic companions in home environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google