使用强化学习来开发生物机器人加利福尼亚海狮的新步态
Anthony Drago1, Shraman Kadapa1, Nicholas Marcouiller1
1Laboratory for Biological Systems Analysis, Department of Mechanical Engineering and Mechanics, Drexel University, Philadelphia, PA 19104, USA.
Biomimetics (Basel, Switzerland)
|September 27, 2024
概括
研究人员使用强化学习 (RL) 为生物机器人海狮创造了一种新的游泳步态. 这种新的RL步态改善了水下性能,与模拟和现实世界的测试中的自然海狮步态相比.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 生物启发的工程是生物启发的工程.
- 计算流体动力学 计算流体动力学
背景情况:
- 为生物灵感游泳机器人开发有效的推进步态仍然是一个挑战.
- 加利福尼亚海狮的游泳能力源于前翼和身体运动的协调.
研究的目的:
- 为生物机器人游泳者使用强化学习 (RL) 开发一种新的海狮前步态.
- 评估RL开发的步态与自然海狮步态在模拟和现实环境中的表现.
主要方法:
- 利用生物机器人游泳者的数值建模计算表示.
- 应用强化学习 (RL) 来训练和优化一种新的前翼步态.
- 将RL步态的表现与物理机器人上特有的海狮步态进行了比较.
主要成果:
- 新的RL步态在模拟的水下领域中胜过了典型的海狮前步态.
- 在多个指标上,RL构建的步态表现与现实世界机器人上特有的海狮步态相似或更好.
- 证明了将数值模型与RL集成为步态发展的有效性.
结论:
- 强化学习可以有效地为生物机器人系统开发先进的游泳步态.
- 生物机器人和数值模型与RL的互补使用显示了水下车辆机动性的巨大潜力.
- 这种方法有助于为水下游泳机器人创建最佳的步态和机动.
