論文の概要: Learning to Walk by Steering: Perceptive Quadrupedal Locomotion in Dynamic Environments

• arxiv url: http://arxiv.org/abs/2209.09233v1
• Date: Mon, 19 Sep 2022 17:55:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 19:23:27.599512
• Title: Learning to Walk by Steering: Perceptive Quadrupedal Locomotion in Dynamic Environments
• Title（参考訳）: ステアリングによる歩行学習:動的環境における知覚的四足歩行
• Authors: Mingyo Seo, Ryan Gupta, Yifeng Zhu, Alexy Skoutnev, Luis Sentis and Yuke Zhu
• Abstract要約: 四足歩行ロボットは、環境の乱雑さや移動する障害物に応答して、頑丈で機敏な歩行行動を示す必要がある。 本稿では,知覚的移動の問題をハイレベルな意思決定に分解する,PreLUDEという階層型学習フレームワークを提案する。 シミュレーションおよびハードウェア実験において,本手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 25.366480092589022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We tackle the problem of perceptive locomotion in dynamic environments. In this problem, a quadrupedal robot must exhibit robust and agile walking behaviors in response to environmental clutter and moving obstacles. We present a hierarchical learning framework, named PRELUDE, which decomposes the problem of perceptive locomotion into high-level decision-making to predict navigation commands and low-level gait generation to realize the target commands. In this framework, we train the high-level navigation controller with imitation learning on human demonstrations collected on a steerable cart and the low-level gait controller with reinforcement learning (RL). Therefore, our method can acquire complex navigation behaviors from human supervision and discover versatile gaits from trial and error. We demonstrate the effectiveness of our approach in simulation and with hardware experiments. Video and code can be found on https://ut-austin-rpl.github.io/PRELUDE.
• Abstract（参考訳）: 動的環境における知覚的移動の問題に取り組む。 この問題では,4足歩行ロボットは環境の乱雑さや移動障害に応答して頑健で機敏な歩行行動を示す必要がある。 ナビゲーションコマンドと低レベル歩行生成を予測し、目標コマンドを実現するために、知覚的移動の問題を高レベルな意思決定に分解する、PreLUDEという階層型学習フレームワークを提案する。 本研究では,操舵カート上で収集した人間の実演を模倣学習した高レベルナビゲーションコントローラと,強化学習(rl)を用いた低レベル歩行コントローラを訓練する。 そこで本手法は,人間の監督から複雑なナビゲーション行動を取得し,試行錯誤から多目的歩行を発見できる。 シミュレーションおよびハードウェア実験において,本手法の有効性を実証する。 ビデオとコードはhttps://ut-austin-rpl.github.io/PRELUDEで見ることができる。

関連論文リスト

• Dexterous Legged Locomotion in Confined 3D Spaces with Reinforcement Learning [37.95557495560936]
  低レベルな動作コマンドを生成することで,これらの経路を追従するように訓練されたRLベースのポリシーと,従来の計画的計画立案を組み合わさった階層型移動制御器を導入する。 シミュレーションでは、我々の階層的アプローチは制限された3D環境をナビゲートすることに成功し、純粋なエンドツーエンド学習アプローチとパラメータ化された運動スキルの両方を上回ります。
  論文  参考訳（メタデータ） (2024-03-06T16:49:08Z)
• 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)
• Learning and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
  本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。 提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
  論文  参考訳（メタデータ） (2023-04-19T17:37:54Z)
• Control Transformer: Robot Navigation in Unknown Environments through PRM-Guided Return-Conditioned Sequence Modeling [0.0]
  サンプルベース確率的ロードマッププランナによって導かれる低レベルポリシーから返却条件付きシーケンスをモデル化する制御変換器を提案する。 制御トランスフォーマーは迷路を通り、未知の環境へ移動できることを示す。
  論文  参考訳（メタデータ） (2022-11-11T18:44:41Z)
• A Walk in the Park: Learning to Walk in 20 Minutes With Model-Free Reinforcement Learning [86.06110576808824]
  深層強化学習は、制御されていない環境での学習ポリシーに対する有望なアプローチである。 機械学習アルゴリズムとライブラリの最近の進歩と、慎重に調整されたロボットコントローラを組み合わせることで、現実世界では4分で学習できる。
  論文  参考訳（メタデータ） (2022-08-16T17:37:36Z)
• Learning to Jump from Pixels [23.17535989519855]
  我々は、高度にアジャイルな視覚的誘導行動の合成法であるDepth-based Impulse Control (DIC)を提案する。 DICは、モデルフリー学習の柔軟性を提供するが、地面反応力の明示的なモデルベース最適化により、振る舞いを規則化する。 提案手法をシミュレーションと実世界の両方で評価する。
  論文  参考訳（メタデータ） (2021-10-28T17:53:06Z)
• 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 Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
  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。
  論文  参考訳（メタデータ） (2020-10-21T19:11:20Z)
• 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。