Generalized Animal Imitator: Agile Locomotion with Versatile Motion Prior

要約

動物の俊敏性は、特にランニング、ターニング、ジャンプ、逆流などの複雑な活動において、ロボットシステム設計の模範として存在します。
この一連の動作を脚のロボットシステムに転送すると、重要な問い合わせが紹介されます。ロボットはどのようにして複数の移動動作を同時に学習できますか？
ロボットは、スムーズな移行でこれらのタスクをどのように実行できますか？
これらのスキルを幅広いアプリケーションに統合する方法は？
このペーパーでは、高度なロボットアプリケーションに適したさまざまなアジャイル移動タスクを組み込むために設計された強化学習フレームワークである、多目的なインストラクタブルモーション（VIM）を紹介します。
私たちのフレームワークにより、脚のあるロボットは、動物の動きと手動で設計された動きを模倣することにより、多様な機敏な低レベルのスキルを学ぶことができます。
私たちの機能は、さまざまなスキルを採用するロボットの能力をガイドし、スタイリライゼーションの報酬は、ロボットの動きが参照モーションと一致することを保証します。
VIMフレームワークの評価は、シミュレーションと実世界の両方に及びます。
私たちのフレームワークにより、ロボットは、現実世界の単一の学習ベースのコントローラーを使用して、多様なアジャイルな移動スキルを同時に学ぶことができます。
ビデオは当社のウェブサイト：https：//rchalyang.github.io/vim/にあります

要約(オリジナル)

The agility of animals, particularly in complex activities such as running, turning, jumping, and backflipping, stands as an exemplar for robotic system design. Transferring this suite of behaviors to legged robotic systems introduces essential inquiries: How can a robot learn multiple locomotion behaviors simultaneously? How can the robot execute these tasks with a smooth transition? How to integrate these skills for wide-range applications? This paper introduces the Versatile Instructable Motion prior (VIM) – a Reinforcement Learning framework designed to incorporate a range of agile locomotion tasks suitable for advanced robotic applications. Our framework enables legged robots to learn diverse agile low-level skills by imitating animal motions and manually designed motions. Our Functionality reward guides the robot’s ability to adopt varied skills, and our Stylization reward ensures that robot motions align with reference motions. Our evaluations of the VIM framework span both simulation and the real world. Our framework allows a robot to concurrently learn diverse agile locomotion skills using a single learning-based controller in the real world. Videos can be found on our website: https://rchalyang.github.io/VIM/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google