.png){kind=icon}
返回
Sample-efficient reference-free control strategy for multi-legged locomotion
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cag.2024.104141.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动是模拟起来具有挑战性的基本技能之一，其难点在于如何实现一种能够在广泛的速度和转向能力范围内泛化的模拟方式。本文的目标是开发一种适用于各类多足角色模型（包括单足、双足和四足）的通用移动控制器，使其能够执行速度控制、转向、移动至目标位置以及坡道行走等任务。我们的方法能够在无需参考动作的情况下生成多样的多足移动模式，即使面对同时协调多个肢体的固有挑战也能应对。基于深度强化学习，我们训练策略网络以生成期望的足端位置和姿态，相比常用的关节角度，这种方法提升了样本效率和鲁棒性。利用末端执行器构型能够实现直观适应各种移动步态。此外，我们设计了一种适用于不同类型多足模型的风格奖励函数。使用该奖励函数训练的移动控制器，在物理模拟环境中不仅能有效执行给定任务，还能保持移动的自然性。
Keyword:
Multi-legged locomotion
Physical simulation
Reinforcement learning
期刊
C
IF:
2.8
论文数:
82
被引数:
4.3K
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
查看更多内容