一般的な足の動きを学習するための注意に基づく地図エンコーディング

科学分野:

• ロボット
• 人工知能
• 制御システム

背景:

• 足を持つロボットのダイナミックな動きは 移動ロボットの能力の拡大に不可欠ですが 異なる地形での精度と強さの課題に直面しています
• 伝統的なモデルベースのコントローラには,現実世界の不確実性に対する強度が欠け,学習ベースのコントローラには,稀な地形での精度が欠けることがあります.
• ハイブリッド・メソッドはアプローチを組み合わせているが,計算が密集しており,モデルベースのプランナーによって制限されている.

研究 の 目的:

• 不確実性に対して頑丈で,多様な,稀な地形で正確である.
• 地形認識と足場計画を改善するために注意力メカニズムと補強学習を活用する.
• 複雑な環境で 機動的な動きを可能にする

主な方法:

• ロボット自身の知覚を条件とした注意に基づく地図のエンコーディングを提案し,補強学習を用いて訓練した.
• 神経ネットワークベースの地形認識とダイナミックな移動計画を統合する新しいコントローラを開発しました.
• 四足のロボットと 人間型ロボットの両方に 訓練されたコントローラーで 適応性を示しています

主要な成果:

• ダイナミックなナビゲーションで ステップアップ可能な領域を 効果的に特定することを学びました
• 合成された行動は 不確実性に対して 頑丈さを示し 稀な地形を精密に 敏捷に横断することを可能にしました
• この方法はニューラルネットワークの トポグラフィの知覚に関する 解釈可能な洞察を提供した.

結論:

• 提案された注意力ベースのコントローラは,多様で困難な地形で,脚のロボットに汎用的で堅固なダイナミックな動きを実現します.
• このアプローチは精度と機敏さを高め,伝統的な学習ベースの方法の限界を克服します.
• 四足のロボットと 人間型ロボットの実世界でのテストは 見えない状況を含む様々なシナリオで コントローラーの有効性を検証しました