Offline Adaptation of Quadruped Locomotion using Diffusion Models

要約

本論文では、四足歩行運動に対する拡散ベースのアプローチを紹介する。このアプローチは、複数のスキル間の学習と補間、および訓練後の新しい運動行動へのオフライン適応（モード）の限界に同時に対処するものである。これは、分類器を用いないガイド拡散を四足歩行運動に適用する初めてのフレームワークであり、元々ラベル付けされていないデータセットから目標に応じた行動を抽出することで、その有効性を実証する。我々は、これらの機能がマルチスキルポリシーと互換性があり、ロボットに搭載されたCPUで動作するように、ほとんど変更することなく、最小限の計算オーバーヘッドで適用できることを示す。ANYmal四脚プラットフォームでのハードウェア実験により、我々のアプローチの有効性を検証する。

要約(オリジナル)

We present a diffusion-based approach to quadrupedal locomotion that simultaneously addresses the limitations of learning and interpolating between multiple skills and of (modes) offline adapting to new locomotion behaviours after training. This is the first framework to apply classifier-free guided diffusion to quadruped locomotion and demonstrate its efficacy by extracting goal-conditioned behaviour from an originally unlabelled dataset. We show that these capabilities are compatible with a multi-skill policy and can be applied with little modification and minimal compute overhead, i.e., running entirely on the robots onboard CPU. We verify the validity of our approach with hardware experiments on the ANYmal quadruped platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL