Whole-Body Model-Predictive Control of Legged Robots with MuJoCo

要約

四次元のロボットとヒューマノイドロボットの全身モデル予測制御（MPC）に対する非常に単純なアプローチの驚くべき現実世界の有効性を示します。
モデルベースの動作の合成の以前の成功と、シミュレーションにおけるMujocoを使用した移動および操作タスクの制御に基づいて、これらのポリシーは、SIMからリアルへの考慮事項がほとんどなく、現実世界に簡単に一般化できることを示しています。
私たちのベースライン法は、動的な四足動力、2本の足の四足歩行、フルサイズのヒューマノイド二足歩行運動など、さまざまなハードウェア実験でリアルタイムの全身MPCを実現します。
この生成しやすいハードウェアのベースラインが、実世界の全身MPC研究の侵入の障壁を低下させ、コミュニティの研究速度の加速に貢献することを願っています。
私たちのコードと実験のビデオは、https：//johnzhang3.github.io/mujoco_ilqrでオンラインで入手できます。

要約(オリジナル)

We demonstrate the surprising real-world effectiveness of a very simple approach to whole-body model-predictive control (MPC) of quadruped and humanoid robots: the iterative LQR (iLQR) algorithm with MuJoCo dynamics and finite-difference approximated derivatives. Building upon the previous success of model-based behavior synthesis and control of locomotion and manipulation tasks with MuJoCo in simulation, we show that these policies can easily generalize to the real world with few sim-to-real considerations. Our baseline method achieves real-time whole-body MPC on a variety of hardware experiments, including dynamic quadruped locomotion, quadruped walking on two legs, and full-sized humanoid bipedal locomotion. We hope this easy-to-reproduce hardware baseline lowers the barrier to entry for real-world whole-body MPC research and contributes to accelerating research velocity in the community. Our code and experiment videos will be available online at:https://johnzhang3.github.io/mujoco_ilqr

arxiv情報

提供元, 利用サービス

arxiv.jp, Google