Learning Quadrupedal Robot Locomotion for Narrow Pipe Inspection

要約

産業現場や日常生活の両方でさまざまなパイプが広く使用されていますが、特に細いサイズのパイプの検査は依然として非常に困難であり、膨大な時間と製造が費やされます。
パトロール犬からインスピレーションを得た四足歩行ロボットは、従来のソリューションの代替となる可能性がありますが、常にナビゲーションと移動の困難に悩まされます。
この論文では、四足歩行ロボットが狭いパイプを適応的に横断できるようにするポリシーをトレーニングするための強化学習 (RL) ベースの方法を紹介します。
この問題に取り組むために、新しい特権付き視覚情報と新しい報酬関数が定義されています。
シミュレーションと現実世界のシナリオの両方に関する実験が完了し、提案された方法が内部に予期せぬ障害物があってもパイプ横断タスクを達成できることが実証されました。

要約(オリジナル)

Various pipes are extensively used in both industrial settings and daily life, but the pipe inspection especially those with narrow sizes are still very challenging with tremendous time and manufacturing consumed. Quadrupedal robots, inspired from patrol dogs, can be a substitution of traditional solutions but always suffer from navigation and locomotion difficulties. In this paper, we introduce a Reinforcement Learning (RL) based method to train a policy enabling the quadrupedal robots to cross narrow pipes adaptively. A new privileged visual information and a new reward function are defined to tackle the problems. Experiments on both simulation and real world scenarios were completed, demonstrated that the proposed method can achieve the pipe-crossing task even with unexpected obstacles inside.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google