Learning Getting-Up Policies for Real-World Humanoid Robots

要約

自動落下回復は、ヒューマノイドロボットを確実に展開する前に、重要な前提条件です。
ヒューマノイドが転倒した後、ヒューマノイドロボットが動作すると予想されるさまざまな構成のために、立ち上がるための手描きのコントローラーは困難です。
このホワイトペーパーでは、ヒューマノイドロボットがさまざまな地形のさまざまな構成から立ち上がることができるコントローラーを生産する学習フレームワークを開発します。
ヒューマノイド運動学習の以前の成功したアプリケーションとは異なり、上昇するタスクには複雑な接触パターンが含まれ、衝突ジオメトリとスパースの報酬を正確にモデル化する必要があります。
カリキュラムに続く2フェーズアプローチを通じて、これらの課題に対処します。
最初の段階では、滑らかさまたは速度 /トルクの制限に関する最小限の制約の下で、良い上昇軌道を発見することに焦点を当てています。
次に、第2段階では、発見された動きを、初期構成と地形の変動に対して堅牢な展開可能な（つまり、滑らかで遅い）動きに洗練されます。
これらの革新により、現実世界のG1ヒューマノイドロボットは、私たちが考慮した2つの主要な状況から立ち上がることができます：a）横向きに横たわってb）横に横たわって、どちらも平らで変形可能な滑りやすい表面と斜面でテストされました（例えば、ずさんな
草と雪原）。
私たちの知る限り、これは、現実の世界で人間サイズのヒューマノイドロボットのために学んだ学んだ成功したポリシーの最初の成功したデモです。
プロジェクトページ：https：//humanoid-getup.github.io/

要約(オリジナル)

Automatic fall recovery is a crucial prerequisite before humanoid robots can be reliably deployed. Hand-designing controllers for getting up is difficult because of the varied configurations a humanoid can end up in after a fall and the challenging terrains humanoid robots are expected to operate on. This paper develops a learning framework to produce controllers that enable humanoid robots to get up from varying configurations on varying terrains. Unlike previous successful applications of humanoid locomotion learning, the getting-up task involves complex contact patterns, which necessitates accurately modeling the collision geometry and sparser rewards. We address these challenges through a two-phase approach that follows a curriculum. The first stage focuses on discovering a good getting-up trajectory under minimal constraints on smoothness or speed / torque limits. The second stage then refines the discovered motions into deployable (i.e. smooth and slow) motions that are robust to variations in initial configuration and terrains. We find these innovations enable a real-world G1 humanoid robot to get up from two main situations that we considered: a) lying face up and b) lying face down, both tested on flat, deformable, slippery surfaces and slopes (e.g., sloppy grass and snowfield). To the best of our knowledge, this is the first successful demonstration of learned getting-up policies for human-sized humanoid robots in the real world. Project page: https://humanoid-getup.github.io/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google