Whole-Body Dynamic Throwing with Legged Manipulators

要約

足のあるロボットで投げるには、オブジェクトの操作と移動の正確な調整が含まれます。これは、高度な現実世界の相互作用に重要です。
ほとんどの研究では、操作または移動のいずれかに焦点を当てており、両方を必要とするタスクの調査が最小限に抑えられています。
この作業は、脚のマニピュレーターを腕のみのスローよりも利用できるすべてのモーター（フルボディ）を活用することを調査しています。
タスクを深い強化学習（RL）目的としてフレーム化し、ユーザーコマンドのターゲット宛先とロボットの安定性に向けてスローの精度を最適化します。
ヒューマノイドとシミュレーションで武装した四足動物の評価は、身体の勢い、カウンターバランス、および全身のダイナミクスを活用することにより、全身投げが範囲、精度、および安定性が向上することを示しています。
最適化された適応カリキュラムを導入して、スパースリワード条件での効率的な学習のための調整されたRL環境セットアップとともに、スローの精度と安定性のバランスをとります。
以前の作業とは異なり、私たちのアプローチは3Dスペースのターゲットを一般化します。
学習したコントローラーをシミュレーションから実際のヒューマノイドプラットフォームに転送します。

要約(オリジナル)

Throwing with a legged robot involves precise coordination of object manipulation and locomotion – crucial for advanced real-world interactions. Most research focuses on either manipulation or locomotion, with minimal exploration of tasks requiring both. This work investigates leveraging all available motors (full-body) over arm-only throwing in legged manipulators. We frame the task as a deep reinforcement learning (RL) objective, optimising throwing accuracy towards any user-commanded target destination and the robot’s stability. Evaluations on a humanoid and an armed quadruped in simulation show that full-body throwing improves range, accuracy, and stability by exploiting body momentum, counter-balancing, and full-body dynamics. We introduce an optimised adaptive curriculum to balance throwing accuracy and stability, along with a tailored RL environment setup for efficient learning in sparse-reward conditions. Unlike prior work, our approach generalises to targets in 3D space. We transfer our learned controllers from simulation to a real humanoid platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google