Robust Recovery Motion Control for Quadrupedal Robots via Learned Terrain Imagination

要約

四足歩行ロボットは人間を支援するための最先端のプラットフォームとして登場し、遠隔地での検査や探索に関連するタスクに応用されています。
それにもかかわらず、その浮遊ベース構造により、雑然とした環境では落下しやすくなり、人間のオペレーターによる手動回復が常に実現可能であるとは限りません。
最近のいくつかの研究では、深層強化学習アルゴリズムを採用した回復コントローラーが発表されています。
ただし、これらのコントローラーは、階段や坂道などの乱雑な環境で効果的に動作するように特別に設計されていないため、適用性が制限されます。
この研究では、乱雑な環境での迅速かつ安全な回復を促進する、堅牢な全地形回復ポリシーを提案します。
私たちは、さまざまな地形タイプを含むシミュレーションと現実世界のテストを通じて、提案したアプローチの優位性を実証します。

要約(オリジナル)

Quadrupedal robots have emerged as a cutting-edge platform for assisting humans, finding applications in tasks related to inspection and exploration in remote areas. Nevertheless, their floating base structure renders them susceptible to fall in cluttered environments, where manual recovery by a human operator may not always be feasible. Several recent studies have presented recovery controllers employing deep reinforcement learning algorithms. However, these controllers are not specifically designed to operate effectively in cluttered environments, such as stairs and slopes, which restricts their applicability. In this study, we propose a robust all-terrain recovery policy to facilitate rapid and secure recovery in cluttered environments. We substantiate the superiority of our proposed approach through simulations and real-world tests encompassing various terrain types.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google