Dribble Master: Learning Agile Humanoid Dribbling Through Legged Locomotion

要約

ヒューマノイドサッカードリブルは、動的バランスを維持しながら器用なボール操作を要求する非常に挑戦的なタスクです。
従来のルールベースの方法は、固定された歩行パターンへの依存とリアルタイムボールダイナミクスへの限定的な適応性のために、正確なボールコントロールを実現するのに苦労しています。
これらの課題に対処するために、ヒューマノイドロボットが明示的なダイナミクスや事前定義された軌跡なしでドリブルスキルを習得できるようにする2段階のカリキュラム学習フレームワークを提案します。
最初の段階では、ロボットは基本的な移動スキルを学びます。
第2段階では、アジャイルドリブル操作のポリシーを微調整します。
さらに、シミュレーションと設計で仮想カメラモデルを紹介し、アクティブなセンシングを促進し、継続的なボール知覚のためのより広い視覚範囲を促進します。
このポリシーはシミュレーションの訓練を受け、物理的なヒューマノイドロボットに正常に転送されます。
実験結果は、私たちの方法が効果的なボール操作を可能にし、複数の環境で柔軟で視覚的に魅力的なドリブル行動を実現することを示しています。
この作業は、アジャイルヒューマノイドサッカーロボットの開発における強化学習の可能性を強調しています。
追加の詳細、ビデオデモ、およびコードは、https：//zhuoheng0910.github.io/dribble-master/で入手できます。

要約(オリジナル)

Humanoid soccer dribbling is a highly challenging task that demands dexterous ball manipulation while maintaining dynamic balance. Traditional rule-based methods often struggle to achieve accurate ball control due to their reliance on fixed walking patterns and limited adaptability to real-time ball dynamics. To address these challenges, we propose a two-stage curriculum learning framework that enables a humanoid robot to acquire dribbling skills without explicit dynamics or predefined trajectories. In the first stage, the robot learns basic locomotion skills; in the second stage, we fine-tune the policy for agile dribbling maneuvers. We further introduce a virtual camera model in simulation and design heuristic rewards to encourage active sensing, promoting a broader visual range for continuous ball perception. The policy is trained in simulation and successfully transferred to a physical humanoid robot. Experimental results demonstrate that our method enables effective ball manipulation, achieving flexible and visually appealing dribbling behaviors across multiple environments. This work highlights the potential of reinforcement learning in developing agile humanoid soccer robots. Additional details, video demonstrations, and code are available at https://zhuoheng0910.github.io/dribble-master/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google