論文の概要: Creating a Dynamic Quadrupedal Robotic Goalkeeper with Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2210.04435v1
• Date: Mon, 10 Oct 2022 04:54:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 19:27:23.827771
• Title: Creating a Dynamic Quadrupedal Robotic Goalkeeper with Reinforcement Learning
• Title（参考訳）: 強化学習による動的四足ロボットゴールキーパーの作成
• Authors: Xiaoyu Huang, Zhongyu Li, Yanzhen Xiang, Yiming Ni, Yufeng Chi, Yunhao Li, Lizhi Yang, Xue Bin Peng and Koushil Sreenath
• Abstract要約: 本稿では,4足歩行ロボットが実世界でサッカーのゴールキーピングタスクを実行できる強化学習(RL)フレームワークを提案する。 四足歩行を用いたサッカーのゴールキーピングは難しい問題であり、非常にダイナミックな移動と、正確で高速な非包括的(ボール)操作を組み合わせたものである。 提案するフレームワークをMini Cheetah四脚ロボットにデプロイし,実世界における高速移動球のアジャイルインターセプションにおけるフレームワークの有効性を実証する。
• 参考スコア（独自算出の注目度）: 18.873152528330063
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a reinforcement learning (RL) framework that enables quadrupedal robots to perform soccer goalkeeping tasks in the real world. Soccer goalkeeping using quadrupeds is a challenging problem, that combines highly dynamic locomotion with precise and fast non-prehensile object (ball) manipulation. The robot needs to react to and intercept a potentially flying ball using dynamic locomotion maneuvers in a very short amount of time, usually less than one second. In this paper, we propose to address this problem using a hierarchical model-free RL framework. The first component of the framework contains multiple control policies for distinct locomotion skills, which can be used to cover different regions of the goal. Each control policy enables the robot to track random parametric end-effector trajectories while performing one specific locomotion skill, such as jump, dive, and sidestep. These skills are then utilized by the second part of the framework which is a high-level planner to determine a desired skill and end-effector trajectory in order to intercept a ball flying to different regions of the goal. We deploy the proposed framework on a Mini Cheetah quadrupedal robot and demonstrate the effectiveness of our framework for various agile interceptions of a fast-moving ball in the real world.
• Abstract（参考訳）: 本稿では,四足ロボットが現実世界でサッカーゴールキーピングタスクを行うための強化学習(rl)フレームワークを提案する。 四足歩行を用いたサッカーのゴールキーピングは難しい問題であり、非常にダイナミックな移動と正確で高速な非包括的(ボール)操作を組み合わせる。 ロボットは、非常に短時間、通常1秒未満でダイナミックな移動操作を使用して、潜在的に飛来するボールに反応し、インターセプトする必要がある。 本稿では,階層型モデルフリーなRLフレームワークを用いてこの問題に対処する。 フレームワークの最初のコンポーネントは、目標の異なる領域をカバーするために使用できる、異なる移動スキルのための複数のコントロールポリシーを含んでいる。 それぞれの制御ポリシーにより、ロボットはジャンプ、ダイビング、サイドステップなどの特定の移動スキルを実行しながら、ランダムなパラメトリックなエンドエフェクタ軌道を追跡することができる。 これらのスキルは、高いレベルのプランナーであるフレームワークの第2部によって活用され、所望のスキルとエンドエフェクタの軌道を決定し、ゴールの異なる領域に飛んでいるボールを迎撃する。 提案するフレームワークをミニチーター四足ロボットにデプロイし,実世界における高速移動球の様々なアジャイルインターセプションに対するフレームワークの有効性を実証する。

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)
• Barkour: Benchmarking Animal-level Agility with Quadruped Robots [70.97471756305463]
  脚付きロボットのアジリティを定量化するための障害物コースであるBarkourベンチマークを導入する。 犬の機敏性の競争に触発され、様々な障害と時間に基づくスコアリング機構から構成される。 ベンチマークに対処する2つの方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T02:49:43Z)
• 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)
• Legs as Manipulator: Pushing Quadrupedal Agility Beyond Locomotion [34.33972863987201]
  我々は四足歩行ロボットを訓練し、前脚を使って壁を登り、ボタンを押し、現実世界でオブジェクトインタラクションを行う。 これらのスキルはカリキュラムを用いてシミュレーションで訓練され,提案したsim2real 変種を用いて実世界へ移行する。 我々は,本手法をシミュレーションと実世界の双方で評価し,短距離および長距離のタスクの実行を成功させたことを示す。
  論文  参考訳（メタデータ） (2023-03-20T17:59:58Z)
• Robust and Versatile Bipedal Jumping Control through Reinforcement Learning [141.56016556936865]
  この研究は、トルク制御された二足歩行ロボットが実世界で頑丈で多目的なダイナミックジャンプを行えるようにすることで、二足歩行ロボットの機敏さの限界を推し進めることを目的としている。 本稿では,ロボットが様々な場所や方向へジャンプするなど,さまざまなジャンプタスクを達成するための強化学習フレームワークを提案する。 我々は,ロボットの長期入出力(I/O)履歴を符号化し,短期I/O履歴への直接アクセスを可能にする新しいポリシー構造を開発する。
  論文  参考訳（メタデータ） (2023-02-19T01:06:09Z)
• GenLoco: Generalized Locomotion Controllers for Quadrupedal Robots [87.32145104894754]
  四足歩行ロボットのための汎用ロコモーション(GenLoco)コントローラを訓練するためのフレームワークを提案する。 本フレームワークは,多種多様な四足歩行ロボットに展開可能な汎用ロコモーションコントローラを合成する。 我々のモデルは、より一般的な制御戦略を取得し、新しいシミュレーションロボットや実世界のロボットに直接移行できることを示す。
  論文  参考訳（メタデータ） (2022-09-12T15:14:32Z)
• Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills using a Quadrupedal Robot [76.04391023228081]
  本研究では,四足歩行ロボットが実世界において,強化学習を用いて精度の高い射撃技術を実現できるという課題に対処する。 本研究では, 深層強化学習を活用して頑健な動作制御政策を訓練する階層的枠組みを提案する。 提案するフレームワークをA1四足歩行ロボットに展開し、実世界のランダムなターゲットに向けて正確にボールを発射できるようにする。
  論文  参考訳（メタデータ） (2022-08-01T22:34:51Z)

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。