SF-TIM: A Simple Framework for Enhancing Quadrupedal Robot Jumping Agility by Combining Terrain Imagination and Measurement

要約

脚式ロボットと車輪式ロボットの違いは、高い足場や段差を乗り越えるダイナミックなジャンプにある。不整地での歩行に比べ、突発的な路面でのダイナミックな運動には、爆発的な動きのための固有知覚と外界知覚の融合が必要である。本論文では、四足歩行ロボットの基本的なブラインド歩行能力を維持しつつ、ジャンプの俊敏性を向上させる単一ポリシーの手法であるSF-TIM（Simple Framework combining Terrain Imagination and Measurement）を提案する。さらに、4足歩行ロボットのハイジャンプを支援するための地形誘導報酬設計を導入し、このタスクにおけるパフォーマンスを向上させる。四足歩行ロボットの学習におけるシミュレーションから現実へのギャップを縮めるために、安定で高速な標高マップ生成フレームワークを導入し、運動能力のシミュレーションから現実へのゼロショット転送を可能にする。本アルゴリズムは、小型・大型の四足歩行ロボットに適用され、その有効性が実証されている。ロボットは、様々な高所やギャップの横断に成功し、提案アプローチの頑健性を示している。デモビデオはhttps://flysoaryun.github.io/SF-TIM。

要約(オリジナル)

Dynamic jumping on high platforms and over gaps differentiates legged robots from wheeled counterparts. Compared to walking on rough terrains, dynamic locomotion on abrupt surfaces requires fusing proprioceptive and exteroceptive perception for explosive movements. In this paper, we propose SF-TIM (Simple Framework combining Terrain Imagination and Measurement), a single-policy method that enhances quadrupedal robot jumping agility, while preserving their fundamental blind walking capabilities. In addition, we introduce a terrain-guided reward design specifically to assist quadrupedal robots in high jumping, improving their performance in this task. To narrow the simulation-to-reality gap in quadrupedal robot learning, we introduce a stable and high-speed elevation map generation framework, enabling zero-shot simulation-to-reality transfer of locomotion ability. Our algorithm has been deployed and validated on both the small-/large-size quadrupedal robots, demonstrating its effectiveness in real-world applications: the robot has successfully traversed various high platforms and gaps, showing the robustness of our proposed approach. A demo video has been made available at https://flysoaryun.github.io/SF-TIM.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL