JAEGER: Dual-Level Humanoid Whole-Body Controller

要約

このペーパーでは、より堅牢で多用途のポリシーをトレーニングするという課題に対処するヒューマノイドロボットのデュアルレベルの全身コントローラーであるJaegerを紹介します。
従来のシングルコントローラーアプローチとは異なり、Jaegerは上部と下のボディの制御を2つの独立したコントローラーに分離しているため、明確なタスクに集中できるようにします。
この分離は、次元の呪いを軽減し、断層の耐性を改善します。
Jaegerは、根速度追跡（粗粒コントロール）と局所的な関節角追跡（細粒コントロール）の両方をサポートし、汎用性と安定した動きを可能にします。
コントローラーをトレーニングするために、人間のモーションデータセット（AMASS）を利用し、効率的なリターゲティングネットワークを介してヒューマノイドポーズに人間のポーズをリターゲティングし、カリキュラム学習アプローチを採用します。
この方法は、初期化のために監視された学習を実行し、続いてさらなる調査のための強化学習を実行します。
2つのヒューマノイドプラットフォームで実験を行い、シミュレーションと実際の環境の両方で最先端の方法に対するアプローチの優位性を実証します。

要約(オリジナル)

This paper presents JAEGER, a dual-level whole-body controller for humanoid robots that addresses the challenges of training a more robust and versatile policy. Unlike traditional single-controller approaches, JAEGER separates the control of the upper and lower bodies into two independent controllers, so that they can better focus on their distinct tasks. This separation alleviates the dimensionality curse and improves fault tolerance. JAEGER supports both root velocity tracking (coarse-grained control) and local joint angle tracking (fine-grained control), enabling versatile and stable movements. To train the controller, we utilize a human motion dataset (AMASS), retargeting human poses to humanoid poses through an efficient retargeting network, and employ a curriculum learning approach. This method performs supervised learning for initialization, followed by reinforcement learning for further exploration. We conduct our experiments on two humanoid platforms and demonstrate the superiority of our approach against state-of-the-art methods in both simulation and real environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google