Adversarial Locomotion and Motion Imitation for Humanoid Policy Learning

要約

人間は、多様で表情豊かな全身運動を行います。しかし、全身運動を模倣する従来のアプローチでは、上半身と下半身の異なる役割が無視されがちであるため、ヒューマノイドロボットで人間のような全身協調動作を実現することは依然として困難です。このような見落としは、計算量の多い方針学習につながり、実世界での実行中にロボットの不安定性や転倒を頻繁に引き起こします。これらの問題に対処するために、我々は、上半身と下半身の敵対的な政策学習を可能にする新しいフレームワークである、敵対的ロコモーションと動作模倣（Adversarial Locomotion and Motion Imitation: ALMI）を提案する。具体的には、上半身が様々なモーションを追跡する一方で、下半身は速度命令に従うロバストなロコモーション能力を提供することを目指す。逆に、上半身の方針は、ロボットが速度に基づく運動を実行する際に、効果的な運動追跡を保証する。反復更新により、これらの方針は協調的な全身制御を実現し、遠隔操作システムによるロコマニピュレーション作業に拡張することができる。本手法は、シミュレーションと実物大のUnitree H1ロボットの両方で、ロバストなロコモーションと正確なモーショントラッキングを達成することを、広範な実験により実証する。さらに、実際のロボットに導入可能なMuJoCoシミュレーションの高品質なエピソード軌道を含む大規模な全身運動制御データセットを公開する。プロジェクトページはhttps://almi-humanoid.github.io。

要約(オリジナル)

Humans exhibit diverse and expressive whole-body movements. However, attaining human-like whole-body coordination in humanoid robots remains challenging, as conventional approaches that mimic whole-body motions often neglect the distinct roles of upper and lower body. This oversight leads to computationally intensive policy learning and frequently causes robot instability and falls during real-world execution. To address these issues, we propose Adversarial Locomotion and Motion Imitation (ALMI), a novel framework that enables adversarial policy learning between upper and lower body. Specifically, the lower body aims to provide robust locomotion capabilities to follow velocity commands while the upper body tracks various motions. Conversely, the upper-body policy ensures effective motion tracking when the robot executes velocity-based movements. Through iterative updates, these policies achieve coordinated whole-body control, which can be extended to loco-manipulation tasks with teleoperation systems. Extensive experiments demonstrate that our method achieves robust locomotion and precise motion tracking in both simulation and on the full-size Unitree H1 robot. Additionally, we release a large-scale whole-body motion control dataset featuring high-quality episodic trajectories from MuJoCo simulations deployable on real robots. The project page is https://almi-humanoid.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL