Learning Quadruped Locomotion using Bio-Inspired Neural Networks with Intrinsic Rhythmicity

要約

脊髄にある中枢性パターン発生器（CPG）と呼ばれる神経回路が振動し、リズミカルな信号を発生することが、動物のリズミカルな運動行動の基礎となるメカニズムであることが生物学的研究から明らかになった。CPGが自然にリズミカルなパターンを生成することに着想を得て、研究者はCPGの数理モデルを作成し、脚式ロボットのロコモーションに利用することを試みている。本論文では、リズミカルなパターン生成にCPGを、感覚フィードバックに多層パーセプトロン（MLP）ネットワークを組み込んだネットワークアーキテクチャを提案しました。また、CPGを完全微分可能なステートレスネットワークに再定義し、CPGとMLPを勾配ベースの学習で共同学習できるようにする手法を提案した。その結果、提案手法では、凹凸のある地形をブラインドで横断でき、外部からの押しに耐える機敏で動的なロコモーション方針を学習した。また、シミュレーションの結果、学習された方針は、運動速度に適応するためにステップ周波数とステップ長を自己調整することができることが示された。

要約(オリジナル)

Biological studies reveal that neural circuits located at the spinal cord called central pattern generator (CPG) oscillates and generates rhythmic signals, which are the underlying mechanism responsible for rhythmic locomotion behaviors of animals. Inspired by CPG’s capability to naturally generate rhythmic patterns, researchers have attempted to create mathematical models of CPG and utilize them for the locomotion of legged robots. In this paper, we propose a network architecture that incorporates CPGs for rhythmic pattern generation and a multi-layer perceptron (MLP) network for sensory feedback. We also proposed a method that reformulates CPGs into a fully-differentiable stateless network, allowing CPGs and MLP to be jointly trained with gradient-based learning. The results show that our proposed method learned agile and dynamic locomotion policies which are capable of blind traversal over uneven terrain and resist external pushes. Simulation results also show that the learned policies are capable of self-modulating step frequency and step length to adapt to the locomotion velocity.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL