通过学习获得自适应步态 动态刺激 双脚机器人本能的本能
Yuanxi Zhang1, Xuechao Chen1,2, Fei Meng1,2
1School of Mechatronical Engineering, Beijing Institute of Technology, Beijing 100081, China.
Biomimetics (Basel, Switzerland)
|June 26, 2024
概括
这项研究将动态刺激信号引入双脚机器人的强化学习中,使其能够进行自适应的3D运动和抵抗干扰. 该方法确保了强大的性能,即使在具有挑战性的现实场景中,如脚滑动.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 控制理论 控制理论
- 机器学习 机器学习
背景情况:
- 标准的双脚步行方式依赖于固定的刺激信号,限制了对干扰的适应能力.
- 机器人需要更动态的步态,以有效地应对不平衡和外部干扰.
研究的目的:
- 在双脚运动的强化学习 (RL) 框架内引入动态刺激信号.
- 为了使机器人能够实现自适应的3D移动和抗干扰,而无需基于模型的明确步态.
主要方法:
- 整合动态刺激信号与双脚运动政策在RL.
- 利用学习的刺激频率策略来产生适应式步态.
- 采用专门的奖励功能,用于运动特征和刺激对应.
- 演示模拟到真实转移用于现实世界的部署.
主要成果:
- 为BITeno机器人实现了强大的3D运动和适应性步态在干扰下.
- 证明了高效的sim-to-real传输,使现实世界的性能.
- 经过突发的干速度变化后,表现出显著的抗干扰能力,恢复时间在1.5-2.0秒内.
结论:
- 建议使用动态刺激信号的RL框架有效提高双脚机器人的适应性和强度.
- 该方法允许动态的,无模型的步态生成,适合于现实世界的应用.
- 成功的模拟到真实转移突出了强大的机器人运动方法的实际可行性.
