Offline Adaptation of Quadruped Locomotion using Diffusion Models

要約

我々は、複数のスキル間の学習と補間、およびトレーニング後の新しい移動動作へのオフライン適応（モード）の制限に同時に対処する、四足歩行への拡散ベースのアプローチを提案します。
これは、分類子を使用しない誘導拡散を四足歩行に適用し、元々ラベル付けされていないデータセットから目標条件付きの動作を抽出することでその有効性を実証する最初のフレームワークです。
これらの機能はマルチスキル ポリシーと互換性があり、ほとんど変更せずに最小限の計算オーバーヘッドで適用できること、つまり、CPU 上のロボット全体で実行できることを示します。
私たちは、ANYmal 四足歩行プラットフォームでのハードウェア実験により、アプローチの妥当性を検証します。

要約(オリジナル)

We present a diffusion-based approach to quadrupedal locomotion that simultaneously addresses the limitations of learning and interpolating between multiple skills and of (modes) offline adapting to new locomotion behaviours after training. This is the first framework to apply classifier-free guided diffusion to quadruped locomotion and demonstrate its efficacy by extracting goal-conditioned behaviour from an originally unlabelled dataset. We show that these capabilities are compatible with a multi-skill policy and can be applied with little modification and minimal compute overhead, i.e., running entirely on the robots onboard CPU. We verify the validity of our approach with hardware experiments on the ANYmal quadruped platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google