Adaptive Energy Regularization for Autonomous Gait Transition and Energy-Efficient Quadruped Locomotion

要約

脚のあるロボットの移動の強化学習では、効果的な報酬戦略を作成することが重要です。
事前に定義された歩行パターンと複雑な報酬システムは、政策トレーニングを安定させるために広く使用されています。
エネルギー消費を最小限に抑えるために歩行を適応させる人間と動物の自然な移動行動から引き出されると、四足ロボットのさまざまな速度にわたるエネルギー効率の高い運動の発達を促進するための単純化されたエネルギー中心の報酬戦略を提案します。
適応エネルギー報酬関数を実装し、速度に基づいて重みを調整することにより、私たちのアプローチにより、ANYMAL-CとUNITREE GO1ロボットが、より高い速度での4ビートのウォーキングや高速での駆け込みなど、適切な歩行を自律的に選択できることを実証します。
当社のポリシーの有効性は、Isaacgymシミュレーション環境のシミュレーションと実際のロボットで検証され、安定した適応運動を促進する可能性を示しています。

要約(オリジナル)

In reinforcement learning for legged robot locomotion, crafting effective reward strategies is crucial. Pre-defined gait patterns and complex reward systems are widely used to stabilize policy training. Drawing from the natural locomotion behaviors of humans and animals, which adapt their gaits to minimize energy consumption, we propose a simplified, energy-centric reward strategy to foster the development of energy-efficient locomotion across various speeds in quadruped robots. By implementing an adaptive energy reward function and adjusting the weights based on velocity, we demonstrate that our approach enables ANYmal-C and Unitree Go1 robots to autonomously select appropriate gaits, such as four-beat walking at lower speeds and trotting at higher speeds, resulting in improved energy efficiency and stable velocity tracking compared to previous methods using complex reward designs and prior gait knowledge. The effectiveness of our policy is validated through simulations in the IsaacGym simulation environment and on real robots, demonstrating its potential to facilitate stable and adaptive locomotion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google