在可变形地形上学习四足运动｜2023｜Science Robotics【韩国科学技术院】

Science Robotics: Learning quadrupedal locomotion on deformable terrain, 2023, https://www.science.org/doi/10.1126/scirobotics.ade2256

基于仿真的强化学习方法正在引领腿式机器人控制的下一次创新。 然而，由此产生的控制策略仍然不适用于柔软易变形的地形，尤其是在高速行驶时。 主要原因是，一般来说，强化学习方法在数据分布之外是无效的：代理无法在它没有经历过的环境中表现良好。 为此，我们引入了一种用于强化学习的通用且计算效率高的粒状媒体模型。 我们的模型可以参数化以表示从非常柔软的沙滩到坚硬的沥青的各种类型的地形。 此外，我们引入了一种自适应控制架构，可以在机器人感知地形时隐式识别地形属性。 然后使用识别出的参数来提高有腿机器人的运动性能。 我们将我们的技术应用于 Raibo 机器人，这是一种内部开发的动态四足机器人。 经过训练的网络展示了在可变形地形上的高速运动能力：尽管在站立阶段脚完全埋在沙子中，但机器人能够以每秒 3.03 米的速度在柔软的沙滩上奔跑。 我们还通过在乙烯基瓷砖地板、田径跑道、草地和软气垫上进行跑步实验来展示其推广到不同地形的能力。