論文の概要: Controlling the Solo12 Quadruped Robot with Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2309.16683v1
• Date: Wed, 2 Aug 2023 09:36:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 05:57:21.334380
• Title: Controlling the Solo12 Quadruped Robot with Deep Reinforcement Learning
• Title（参考訳）: 深部強化学習によるSolo12四足ロボットの制御
• Authors: Michel Aractingi (LAAS-GEPETTO), Pierre-Alexandre L\'eziart (LAAS-GEPETTO), Thomas Flayols (LAAS-GEPETTO), Julien Perez, Tomi Silander, Philippe Sou\`eres (LAAS-GEPETTO)
• Abstract要約: 本稿では,Solo12の四足歩行ロボット上で,堅牢なエンドツーエンド学習ベースのコントローラを初めて実装する。 本手法は,関節インピーダンス参照の深部強化学習に基づく。 結果として生じる制御ポリシーは、エネルギー消費の効率を保ちながら、指令された速度基準に従っている。
• 参考スコア（独自算出の注目度）: 13.555431085817752
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quadruped robots require robust and general locomotion skills to exploit their mobility potential in complex and challenging environments. In this work, we present the first implementation of a robust end-to-end learning-based controller on the Solo12 quadruped. Our method is based on deep reinforcement learning of joint impedance references. The resulting control policies follow a commanded velocity reference while being efficient in its energy consumption, robust and easy to deploy. We detail the learning procedure and method for transfer on the real robot. In our experiments, we show that the Solo12 robot is a suitable open-source platform for research combining learning and control because of the easiness in transferring and deploying learned controllers.
• Abstract（参考訳）: 四足歩行ロボットは、複雑で困難な環境での移動能力を活用するために、頑丈で一般的な移動能力を必要とする。 そこで本研究では,Solo12の4倍体上に,堅牢なエンドツーエンド学習ベースのコントローラを初めて実装した。 本手法は,関節インピーダンス参照の深部強化学習に基づく。 結果として生じる制御ポリシーは、エネルギー消費が効率的で、堅牢で、展開が容易な速度基準に従っている。 実ロボット上での移動の学習手順と方法について詳述する。 実験の結果,Solo12ロボットは学習コントローラの移動・展開が容易であるため,学習と制御を組み合わせた研究に適したオープンソースプラットフォームであることがわかった。

関連論文リスト

• Learning Force Control for Legged Manipulation [18.894304288225385]
  本稿では,力覚へのアクセスを必要とせず,直接力制御のためのRLポリシーを訓練する方法を提案する。 腕を持つ四足ロボットの全身制御プラットフォーム上で本手法を実証する。 足のマニピュレータに学習した全身力制御を初めて導入し、より汎用的で適応可能な脚ロボットの道を歩む。
  論文  参考訳（メタデータ） (2024-05-02T15:53:43Z)
• 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)
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance [71.36749876465618]
  本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。 本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。 実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
  論文  参考訳（メタデータ） (2022-12-19T22:50:40Z)
• 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 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)
• 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 of Long-Horizon Sparse-Reward Robotic Manipulator Tasks with Base Controllers [26.807673929816026]
  本稿では,1つ以上の従来型ベースコントローラを用いた長軸スパース・リワードタスクの学習手法を提案する。 提案アルゴリズムは,既存のベースコントローラを探索,価値学習,ポリシー更新の段階に組み込む。 我々の方法は、既存の産業用ロボット操作システムを利用して、より柔軟でインテリジェントなコントローラを構築する可能性を秘めている。
  論文  参考訳（メタデータ） (2020-11-24T14:23:57Z)
• 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)
• Efficient reinforcement learning control for continuum robots based on Inexplicit Prior Knowledge [3.3645162441357437]
  本稿では,未熟な事前知識に基づく効率的な強化学習手法を提案する。 本手法を用いることで、腱駆動ロボットのアクティブな視覚追跡と距離維持を実現することができる。
  論文  参考訳（メタデータ） (2020-02-26T15:47:11Z)
• Learning to Walk in the Real World with Minimal Human Effort [80.7342153519654]
  我々は,人間の努力を最小限に抑えて,現実世界の深いRLを用いた足の移動ポリシーを学習するシステムを開発した。 人間の介入がほとんどないミニチュアロボットにおいて,ロボットの移動スキルを自動的かつ効率的に学習することができる。
  論文  参考訳（メタデータ） (2020-02-20T03:36:39Z)

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。