이 연구는 사지 로봇의 다양한 일상 작업 수행 능력을 향상시키기 위한 계층적 학습 프레임워크를 제안한다.
상위 레벨 플래너는 행동 모방 학습(BC)을 통해 다양한 조작 기술을 학습하며, 하위 레벨 제어기는 강화 학습(RL)을 통해 안정적인 보행과 정밀한 끝점 추적을 학습한다. 두 레벨을 효과적으로 통합하기 위해 조작 궤적을 매개변수화하였다.
제안된 프레임워크를 통해 로봇은 문을 밀고, 버튼을 누르며, 바구니를 들어 올리는 등 다양한 일상 작업을 수행할 수 있다. 실험 결과, 제안 방법이 기존 방법 대비 월등한 성능을 보였다.
To Another Language
from source content
arxiv.org
Głębsze pytania