Learning to Walk and Fly with Adversarial Motion Priors

要約

ロボットのマルチモーダル移動には、歩行と飛行の間で移行する能力が含まれており、ロボット工学における重要な課題となっています。
この研究は、脚式移動と空中移動の間の自動的なスムーズな移行を可能にするアプローチを示しています。
Adversarial Motion Priors の概念を活用することで、私たちの方法により、ロボットが複雑な報酬関数を必要とせずにモーション データセットを模倣し、目的のタスクを達成できるようになります。
ロボットは、人間のような歩き方から歩行パターンを学習し、軌道最適化によって得られたモーションから空中移動パターンを学習します。
このプロセスを通じて、ロボットは強化学習を使用した環境フィードバックに基づいて移動スキームを適応させ、モード切り替え行動を自発的に出現させます。
この結果は、歩行モードと飛行モードの自動制御を通じて空中ヒューマノイドロボット工学におけるマルチモーダル移動を実現する可能性を浮き彫りにし、捜索救助、監視、探査ミッションなどのさまざまな分野での応用への道を開くものである。
この研究は、さまざまな環境下での多用途な移動という点で、航空ヒューマノイドロボットの能力の向上に貢献します。

要約(オリジナル)

Robot multimodal locomotion encompasses the ability to transition between walking and flying, representing a significant challenge in robotics. This work presents an approach that enables automatic smooth transitions between legged and aerial locomotion. Leveraging the concept of Adversarial Motion Priors, our method allows the robot to imitate motion datasets and accomplish the desired task without the need for complex reward functions. The robot learns walking patterns from human-like gaits and aerial locomotion patterns from motions obtained using trajectory optimization. Through this process, the robot adapts the locomotion scheme based on environmental feedback using reinforcement learning, with the spontaneous emergence of mode-switching behavior. The results highlight the potential for achieving multimodal locomotion in aerial humanoid robotics through automatic control of walking and flying modes, paving the way for applications in diverse domains such as search and rescue, surveillance, and exploration missions. This research contributes to advancing the capabilities of aerial humanoid robots in terms of versatile locomotion in various environments.

arxiv情報

著者 Giuseppe L’Erario,Drew Hanover,Angel Romero,Yunlong Song,Gabriele Nava,Paolo Maria Viceconte,Daniele Pucci,Davide Scaramuzza
発行日 2024-09-09 13:23:25+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク