Masked Sensory-Temporal Attention for Sensor Generalization in Quadruped Locomotion

要約

四足動物に焦点が当てられているため、さまざまなロボットモデルとセンサー入力を処理できる一般化ポリシーが非常に有益になります。
さまざまな形態に対処するためのいくつかの方法が提案されていますが、固有受容情報のさまざまな組み合わせを管理するための学習ベースのポリシーにとって課題のままです。
このペーパーでは、四足運動のためのマスキングを伴う新しい変圧器ベースのメカニズムであるマスクされた感覚的注意（MSTA）を紹介します。
センサーレベルの直接的な注意を採用して、感覚と時点の理解を高め、センサーデータのさまざまな組み合わせを処理し、目に見えない情報を組み込むための基盤として機能します。
MSTAは、不足している情報の大部分でも状態を効果的に理解でき、長い入力シーケンスにもかかわらず物理システムに展開するのに十分な柔軟性があります。

要約(オリジナル)

With the rising focus on quadrupeds, a generalized policy capable of handling different robot models and sensor inputs becomes highly beneficial. Although several methods have been proposed to address different morphologies, it remains a challenge for learning-based policies to manage various combinations of proprioceptive information. This paper presents Masked Sensory-Temporal Attention (MSTA), a novel transformer-based mechanism with masking for quadruped locomotion. It employs direct sensor-level attention to enhance the sensory-temporal understanding and handle different combinations of sensor data, serving as a foundation for incorporating unseen information. MSTA can effectively understand its states even with a large portion of missing information, and is flexible enough to be deployed on physical systems despite the long input sequence.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google