本研究では、四足ロボットの動的な走行とジャンプ行動を実現するための新しい学習フレームワークを提案した。特に、シミュレーションとリアルの間のギャップを最小化するためのインピーダンスマッチングという手法を導入した。
インピーダンスマッチングでは、シミュレーションとリアルのロボットの周波数応答を一致させることで、高速な動作に対する精度の高い制御を実現した。これにより、RL を用いて走行ジャンプ行動を学習することができた。
実験の結果、提案手法を用いることで、55 cm の距離と 38 cm の高さのジャンプを実現できた。これは、状態の最適化手法を用いた場合の約 85% の性能に相当し、ロボットハードウェアの限界に近い性能と言える。さらに、前後左右 2 m/s、横 1 m/s の速度での安定した歩行も実現した。
Impedance Matching: Enabling an RL-Based Running Jump in a Quadruped Robot
Stats
前方 2 m/s の走行ジャンプの平均高さは 0.244 m、標準偏差は 0.013 m
横方向 1 m/s の走行ジャンプの平均高さは 0.366 m、標準偏差は 0.052 m
後方 2 m/s の走行ジャンプの平均高さは 0.381 m、標準偏差は 0.015 m
Quotes
"シミュレーションとリアルの間のギャップを最小化するインピーダンスマッチングを用いることで、四足ロボットの走行ジャンプ制御を実現した。"
"提案手法を用いることで、55 cm の距離と 38 cm の高さのジャンプを実現できた。これは、状態の最適化手法を用いた場合の約 85% の性能に相当し、ロボットハードウェアの限界に近い性能と言える。"