Learning coordinated badminton skills for legged manipulators

要約

下肢と上肢の間の動きを調整し、手足の制御を認識と調整することは、特に動的環境でのロボット工学における大きな課題です。
この目的のために、脚のあるモバイルマニピュレーターがバドミントンを再生できるようにするためのアプローチを紹介します。これは、知覚、移動、腕の揺れの正確な調整を必要とするタスクです。
私たちは、効果的なシャトルコックの追跡と打撃を達成するために、すべての自由度を含む全身視覚運動スキルのための統一された強化学習ベースの制御ポリシーを提案します。
このポリシーは、実際のカメラデータを利用する知覚ノイズモデルによって通知され、シミュレーションと展開の間に一貫した知覚エラーレベルが可能になり、学習したアクティブな知覚行動を促進します。
私たちの方法には、シャトルコック予測モデル、堅牢なモーション制御のための制約された強化学習、展開の準備を強化するための統合システム識別技術が含まれます。
さまざまな環境での広範な実験結果は、シャットルコックの軌跡を予測し、サービスエリアを効果的にナビゲートし、人間のプレイヤーに対する正確なストライクを実行するロボットの機能を検証し、複雑で動的なスポーツシナリオで足のあるモバイルマニピュレーターを使用する可能性を実証します。

要約(オリジナル)

Coordinating the motion between lower and upper limbs and aligning limb control with perception are substantial challenges in robotics, particularly in dynamic environments. To this end, we introduce an approach for enabling legged mobile manipulators to play badminton, a task that requires precise coordination of perception, locomotion, and arm swinging. We propose a unified reinforcement learning-based control policy for whole-body visuomotor skills involving all degrees of freedom to achieve effective shuttlecock tracking and striking. This policy is informed by a perception noise model that utilizes real-world camera data, allowing for consistent perception error levels between simulation and deployment and encouraging learned active perception behaviors. Our method includes a shuttlecock prediction model, constrained reinforcement learning for robust motion control, and integrated system identification techniques to enhance deployment readiness. Extensive experimental results in a variety of environments validate the robot’s capability to predict shuttlecock trajectories, navigate the service area effectively, and execute precise strikes against human players, demonstrating the feasibility of using legged mobile manipulators in complex and dynamic sports scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google