Core Concepts
FootstepNet ist eine effiziente Actor-Critic-Methode für eine schnelle Online-Fußplanung und -Vorhersage für zweibeinige Roboter.
Abstract
Die Studie präsentiert eine effiziente Methode namens FootstepNet zur Fußplanung für zweibeinige Roboter. FootstepNet basiert auf Deep Reinforcement Learning und ermöglicht eine schnelle Online-Planung von Fußschritten, um in lokalen Umgebungen mit Hindernissen zu navigieren.
Kernpunkte:
- FootstepNet ist heuristikfrei und verwendet einen kontinuierlichen Satz von Aktionen, um gangbare Fußschritte zu erzeugen, im Gegensatz zu diskreten Aktionsmengen anderer Methoden.
- FootstepNet nutzt die Berechnungen der Actor-Critic-Architektur, um schnell die Anzahl der erforderlichen Fußschritte bis zu verschiedenen Zielen abzuschätzen (Fußschritt-Vorhersage).
- Die Leistungsfähigkeit von FootstepNet wurde in Simulationen und durch den Einsatz auf einem kleinen humanoiden Roboter während des RoboCup 2023 Wettbewerbs demonstriert.
Stats
Die Fußschrittfolge Φp benötigt nsteps × 45μs, um ausgeführt zu werden.
Die Fußschritt-Vorhersage benötigt nalt × 60μs.
Quotes
Keine relevanten Zitate identifiziert.