論文の概要: Learning Quadrupedal Locomotion over Challenging Terrain
- arxiv url: http://arxiv.org/abs/2010.11251v1
- Date: Wed, 21 Oct 2020 19:11:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 01:19:33.016194
- Title: Learning Quadrupedal Locomotion over Challenging Terrain
- Title（参考訳）: 挑戦的地形における四足歩行の学習
- Authors: Joonho Lee, Jemin Hwangbo, Lorenz Wellhausen, Vladlen Koltun, and
Marco Hutter
- Abstract要約: 足の移動はロボティクスの操作領域を劇的に拡張することができる。
足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。
ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
- 参考スコア（独自算出の注目度）: 68.51539602703662
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Some of the most challenging environments on our planet are accessible to
quadrupedal animals but remain out of reach for autonomous machines. Legged
locomotion can dramatically expand the operational domains of robotics.
However, conventional controllers for legged locomotion are based on elaborate
state machines that explicitly trigger the execution of motion primitives and
reflexes. These designs have escalated in complexity while falling short of the
generality and robustness of animal locomotion. Here we present a radically
robust controller for legged locomotion in challenging natural environments. We
present a novel solution to incorporating proprioceptive feedback in locomotion
control and demonstrate remarkable zero-shot generalization from simulation to
natural environments. The controller is trained by reinforcement learning in
simulation. It is based on a neural network that acts on a stream of
proprioceptive signals. The trained controller has taken two generations of
quadrupedal ANYmal robots to a variety of natural environments that are beyond
the reach of prior published work in legged locomotion. The controller retains
its robustness under conditions that have never been encountered during
training: deformable terrain such as mud and snow, dynamic footholds such as
rubble, and overground impediments such as thick vegetation and gushing water.
The presented work opens new frontiers for robotics and indicates that radical
robustness in natural environments can be achieved by training in much simpler
domains.
- Abstract（参考訳）: 地球上で最も困難な環境のいくつかは四足歩行の動物にアクセスできるが、自律的な機械には及ばない。
足の移動はロボティクスの操作領域を劇的に拡張することができる。
しかし、従来の脚移動制御器は、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。
これらのデザインは、動物移動の一般性や堅牢性に欠ける一方で、複雑さが増している。
ここでは,自然環境に挑戦するレッグドロコモーションのための過激なロコモーション制御器を提案する。
そこで本研究では,運動制御に受容フィードバックを取り入れ,シミュレーションから自然環境への顕著なゼロショット一般化を示す。
コントローラはシミュレーションで強化学習によって訓練される。
これは、固有受容信号の流れに作用するニューラルネットワークに基づいている。
トレーニングされたコントローラーは、四足歩行ロボットの2世代を、前回公開された脚歩行の作業の範囲を超えている様々な自然環境に持ち込んだ。
コントローラーは、泥や雪のような変形可能な地形、瓦のようなダイナミックな足場、厚い植生や地下水のような地上の障害など、訓練中に遭遇したことのない条件下で頑丈さを維持している。
この研究はロボット工学の新しいフロンティアを開き、より単純な領域でトレーニングすることで、自然環境における過激な堅牢性を達成することができることを示した。
関連論文リスト
- Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。
本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。
この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
論文 参考訳（メタデータ） (2024-01-30T10:48:43Z) - Real-World Humanoid Locomotion with Reinforcement Learning [92.85934954371099]
実世界におけるヒューマノイド移動に対する完全学習型アプローチを提案する。
コントローラーは様々な屋外の地形の上を歩けるし、外乱に対して頑丈で、状況に応じて適応できる。
論文 参考訳（メタデータ） (2023-03-06T18:59:09Z) - Learning fast and agile quadrupedal locomotion over complex terrain [0.3806109052869554]
本研究は,視覚障害者用4足歩行ロボットにおいて,自然かつ安定に高速な移動を実現する頑健な制御器を提案する。
モデルレス強化学習によりシミュレーション環境で学習する。
我々の制御器は優れた反ゆらぎ性能を有し、学習したことのない移動速度に到達できる優れた一般化能力を有する。
論文 参考訳（メタデータ） (2022-07-02T11:20:07Z) - Agile Maneuvers in Legged Robots: a Predictive Control Approach [20.55884151818753]
そこで本研究では,ロボットがアジャイルなロコモーションスキルを計画し,実行できるようにする,接触位相予測および状態フィードバックコントローラを提案する。
私たちの研究は、予測制御がアクティベーション制限を処理し、アジャイルなロコモーション操作を生成し、別のボディコントローラを使わずに、ハードウェア上でローカルに最適なフィードバックポリシーを実行することができることを示す最初のものです。
論文 参考訳（メタデータ） (2022-03-14T23:32:17Z) - An Adaptable Approach to Learn Realistic Legged Locomotion without
Examples [38.81854337592694]
本研究は,バネ装荷逆振り子モデルを用いて学習プロセスを導くことで,移動における現実性を保証するための汎用的アプローチを提案する。
モデルのない設定であっても、2足歩行ロボットと4足歩行ロボットに対して、学習したポリシーが現実的でエネルギー効率のよい移動歩行を生成できることを示す実験結果を示す。
論文 参考訳（メタデータ） (2021-10-28T10:14:47Z) - Minimizing Energy Consumption Leads to the Emergence of Gaits in Legged
Robots [71.61319876928009]
実四足歩行ロボットにおいて,エネルギー消費を最小化するための学習が自然移動歩行の出現に重要な役割を担っていることを示す。
創発的な足跡は理想的な地形で構築されており、馬や羊のものと似ている。
同じアプローチは、動物運動制御の発見と一致した荒地における非構造的な歩行につながる。
論文 参考訳（メタデータ） (2021-10-25T17:59:58Z) - Reinforcement Learning for Robust Parameterized Locomotion Control of
Bipedal Robots [121.42930679076574]
シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。
ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。
本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
論文 参考訳（メタデータ） (2021-03-26T07:14:01Z) - Learning Agile Robotic Locomotion Skills by Imitating Animals [72.36395376558984]
動物の多様でアジャイルな運動スキルを再現することは、ロボット工学における長年の課題である。
そこで本研究では,現実世界の動物を模倣することで,足のロボットがアジャイルな運動能力を学ぶことができる模倣学習システムを提案する。
論文 参考訳（メタデータ） (2020-04-02T02:56:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。