Belangrijkste concepten
複雑な地形や制約のある環境での足踏み選択と柔軟な姿勢適応に焦点を当てた、ロボットの堅牢で多目的な移動能力を可能にする方法を提案する。
Samenvatting
本研究では、再帰学習と3D体積表現を使用して、制約のある環境での堅牢かつ多目的な移動能力を実現する足踏み制御方法を提案しています。2層階層ポリシー構造を用いて、6Dコマンドに従う低レベルポリシーと高い空間認識力を持つ高レベルポリシーが組み合わさります。実験評価では、手順地形生成器の開発やシミュレーションおよび実世界設定での実験結果が示されています。このアプローチは、ロボットの適用範囲を拡大し、多様な状況下での操作性向上に貢献します。
Statistieken
本プロジェクトは欧州連合のHorizon 2020研究・イノベーションプログラムから資金提供を受けました。
この研究はスイス国立科学財団(SNSF)から支援されました。
深度カメラやLiDARなどのオンボードセンサーが周囲のジオメトリーを測定するために使用されます。
ローレベル教師ポリシーと高レベル教師ポリシーが強化学習によって訓練されます。
高レベル生徒ポリシーは雑音入り占有体素データを使用して訓練されます。
Citaten
"Robots have attracted attention for their ability to perform a wide range of tasks, including exploring and accessing areas that are dangerous or inaccessible to humans."
"Legged robots are well suited for this type of task due to their ability to move on uneven, complex terrain, and to remain stable on unstable surfaces."
"Our research aims to extend the operational range of legged robots to more complex environments in the wild including confined spaces while keeping the robust and smooth locomotion capability of the state of the art methods."