Jul, 2021

RMA：适用于四足机器人的快速电机适应

PDF
TL;DR该研究论文提出了一种名为 Rapid Motor Adaptation（RMA）的算法，用于解决四足机器人中的实时在线自适应问题。RMA 算法由基本策略和自适应模块两个组成部分组成，这两个部分的组合使机器人能够在几秒钟内适应新的情境，而无需使用任何领域知识。通过基于生物能源启发的奖励，我们在不同的地形上训练了 RMA 并在真实世界和模拟实验中展示了其卓越的性能。
legged robotsreal-time adaptationrapid motor adaptationquadruped robotsvaried terrains
发现论文，激发创造
  • 为双足机器人适应快速运动适应性

    本文讨论如何利用快速适应的方法来控制走路姿态，并提出了 A-RMA（Adapting RMA）算法，它不仅可以适用于完美的外部估计器，还可以用于不完美的情况。实验表明，A-RMA 在仿真实验和现实世界中的表现均优于多种基准控制器。

    May, 2022

  • 机器人机械臂的快速运动适应

    研究表明，利用深度感知开发在各种操作任务中迅速适应的代理人可以在实现更好的通用性能和样本效率方面超越自动领域随机化和基于视觉策略的最新方法。

    Dec, 2023

  • 即时适应：单机器人部署的行为调节

    现实世界的机器人需要在训练中未曾见过的情况下适应，本文研究了在部署过程中如何通过采用多样化的先前学习行为库来实时适应新奇场景的问题，提出了一种基于预训练行为的感知价值来选择和调整行为的 ROAM 机制，该机制在测试时的单个情节内完成自适应过程，无需任何人类监督，理论分析和实验表明 ROAM 方法能够使机器人迅速适应动力学变化 - 在模拟和真实环境中成功地在滑轮上行进，比现有方法在面对多样的分布情况时适应性提高了 2 倍以上。

    Nov, 2023

  • 通过进化元学习快速适应的腿式机器人

    本文提出了一种适用于机器人的新的元学习方法，结合了基于演化策略的元学习和更具噪声容忍度的 Batch Hill-Climbing 适应算子，显著提高了机器人在高噪声环境下的动态变化适应能力。在测试时，我们的方法比基于梯度的方法性能更好，使机器人能够在不到 3 分钟的实际数据基础上适应变化。

    Mar, 2020

  • 野外 AMP：学习强健、敏捷、自然的腿部运动技能

    本文提出了一种新的算法，可以推断关于动态系统参数的信息，同时从先前的观察中估计有关机器人状态的重要信息，并将其与 Adversarial Motion Priors 结合，实现了机器人在真实世界中稳定、灵活和自然的步态，从实验结果中发现相对于基线算法，我们提出的算法能够以更低的功耗遍历具有挑战性的地形。

    Apr, 2023

  • MTAC：基于层次强化学习的多足可适应地形控制器

    城市搜救和救援任务需要快速的第一反应，以减少生命和财产的损失。我们提出了一种多步态的地形自适应控制器（MTAC）来应对四足机器人在动态和崎岖地形环境中的挑战。通过使用层次强化学习的方法，我们证明了该方法在各种环境下的扩展性和计算时间与最先进方法相当。

    Nov, 2023

  • 学习四肢机器人灵活动态技能

    通过在仿真中训练神经网络策略并将其转移到现实的四足动态平衡系统，研究创造了一种快速、自动且高效的数据生成方案，从而实现了在四足机器人技能方面的进一步提升。

    Jan, 2019

  • 继续学习的腿式机器人：在现实世界中微调运动策略

    该论文提出了一种基于强化学习的实际机器人强化学习系统，通过在现实世界中微调机器人运动策略的少量训练，实现了 A1 四足机器人在多种环境中自主微调多种运动技能的能力。

    Oct, 2021

  • 突触运动适应：三要素学习规则在尖峰神经网络中用于自适应机器人控制

    该论文介绍了一种名为神经元适应算法的新方法，其通过利用神经科学中衍生的突触可塑性规则和三因素学习，在四足机器人中实现了实时的在线适应。

    Jun, 2023

  • 四足机器人在执行器退化场景中的自适应控制策略

    该论文引入一种基于强化学习的先导教师 - 学生框架，称为 Actuator Degradation Adaptation Transformer（ADAPT），旨在解决实际部署四足机器人上的问题。这个框架产生了一种统一的控制策略，使机器人能够在关节执行器突然故障的情况下维持其运动，并在依赖于内部传感器的情况下执行任务。对 Unitree A1 平台进行的实证评估验证了 ADAPT 在真实环境中对四足机器人的可部署性和有效性，并证实了我们方法的鲁棒性和实用性。

    Dec, 2023