Integrating Learning-Based Manipulation and Physics-Based Locomotion for Whole-Body Badminton Robot Control

要約

模倣学習（IL）や強化学習（RL）などの学習ベースの方法では、スポーツロボットなどの挑戦的なアジャイルロボットタスクをめぐるExcel制御ポリシーを作成できます。
ただし、トレーニングの複雑さを軽減し、アジャイルバドミントンロボット制御の安全性と安定性を確保するためのモデルベースの方法で学習ベースのポリシーを調和させた既存の作業はありません。
この論文では、アジャイルバドミントンロボットの新しいハイブリッド制御システムである\ ourmethodを紹介します。
具体的には、ARMポリシーのベースを提供するシャーシ移動のためのモデルベースの戦略を提案します。
学習ベースのARMポリシーのための物理学に基づいた「IL+RL」トレーニングフレームワークを紹介します。
この列車の枠組みでは、特権情報を備えたモデルベースの戦略を使用して、ILとRLの両方のフェーズでARMポリシートレーニングをガイドするために使用されます。
さらに、ILフェーズで批評家モデルを訓練して、ILからRLに移行するときのパフォーマンスドロップの問題を軽減します。
自己エンジニアリングのバドミントンロボットの結果を提示し、サービングマシンに対して94.5％の成功率を達成し、人間のプレーヤーに対する90.7％の成功率を達成しています。
私たちのシステムは、アジャイルキャッチングやテーブルテニスなど、他のアジャイルモバイル操作タスクに簡単に一般化できます。
当社のプロジェクトWebサイト：https：//dreamstarring.github.io/hamlet/。

要約(オリジナル)

Learning-based methods, such as imitation learning (IL) and reinforcement learning (RL), can produce excel control policies over challenging agile robot tasks, such as sports robot. However, no existing work has harmonized learning-based policy with model-based methods to reduce training complexity and ensure the safety and stability for agile badminton robot control. In this paper, we introduce \ourmethod, a novel hybrid control system for agile badminton robots. Specifically, we propose a model-based strategy for chassis locomotion which provides a base for arm policy. We introduce a physics-informed “IL+RL” training framework for learning-based arm policy. In this train framework, a model-based strategy with privileged information is used to guide arm policy training during both IL and RL phases. In addition, we train the critic model during IL phase to alleviate the performance drop issue when transitioning from IL to RL. We present results on our self-engineered badminton robot, achieving 94.5% success rate against the serving machine and 90.7% success rate against human players. Our system can be easily generalized to other agile mobile manipulation tasks such as agile catching and table tennis. Our project website: https://dreamstarring.github.io/HAMLET/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google