Core Concepts
RLとMPCを組み合わせたアプローチにより、俊敏性と適応性を向上させる。
Abstract
レギュラトリー:足裏制御とスイングフット反射の統合
伝統的な制御方法との比較
立ち足制御とスイングフット反射の統合によるアジリティ向上
データ抽出:
Unitree A1ロボットでの実装におけるピークターン率は8.5 rad/s。
最高走行速度は3 m/s、最高操舵速度は2.5 m/s。
ロボットが体重の83%にあたる10 kgの予期しない負荷を持ちながら安定した歩行を維持。
実験結果:
高速旋回では、A1ロボットが8.5 rad/sのピーク旋回率を達成し、平均7 rad/sで安定していた。
高速走行および操舵では、最高速度3 m/sで走行し、2.5 m/sで操舵することが可能。
模型不確実性への対処:
不確実性キャプチャーのために時間変動する加速度項を導入。
学習フレームワーク:
RL-PPOを使用して学習され、Unitree A1ロボットでシミュレーションされた。
Stats
Unitree A1ロボットでの実装におけるピークターン率は8.5 rad/s。
最高走行速度は3 m/s、最高操舵速度は2.5 m/s。
Quotes
"Our central objective is to bolster agility, robustness, and adaptive behavior in blind locomotion through the integration of stance foot control and swing foot reflection using RL."
"The seamless integration and reciprocal adaptation ensure that the robot exhibits adaptive behavior under different conditions, underscoring the power and efficacy of our proposed approach."