感知导引四脚动物导航与力响应式运动控制
我们提出了一种使用基于 Transformer 的模型从配 proprioceptive 信息和高维度深度传感器输入中学习的强化学习(RL)来解决四足动物行走任务的方法。
Jul, 2021
使用稀疏的视觉观察来实现知觉运动,并提出一种学习框架以有效地学习反馈控制策略,可在人类中心的环境中在道路上行驶,越过不同的障碍,包括台阶、斜坡、间隙和楼梯。
Sep, 2021
利用视觉和本体感底层控制策略开发了一种针对四足机器人的点目标导航系统(VP-Nav),使用本体感反馈确保计划路径的安全性来实现对机械的信息感知。通过使用内置摄像头生成占有空间图和相应的代价图,以到达目标,在速度指令生成器中设置安全顾问模块来对意外障碍进行感知和环境决定的速度限制。
Dec, 2021
本研究探索了一种基于扭矩的强化学习框架,此模型成功验证了对于模型控制四足动物而言,相较于基于位置的强化学习方法,基于扭矩的强化学习方法能够产生更好的奖励和更强的抗干扰能力,并能够使四足动物在各种地形上移动,是关于四足机器人端到端学习扭矩控制的首次模拟到实际应用的尝试。
Mar, 2022
为了开发一款对于盲人或视觉受损人士真正有益的机器导盲系统,我们进行了定性研究,并考虑了导盲犬处理者和导盲犬作为导航团队的因素,建立了具有首选特性(例如速度和方向控制)的机器导盲犬的合作室内导航方案。我们通过在室内环境中测试盲人模拟行走,并展示类似导盲犬的避障行为,评估了我们的综合机器人系统。
Oct, 2022
该论文讨论了如何通过在模拟中训练四足机器人学习步行和使用前腿攀爬墙壁、按按钮、与物品交互等技能,并通过行为树将这些技能结合起来执行任务,并使用分阶段的课程和sim2real变体在现实世界中应用这些技能。
Mar, 2023
本文研究了将四足机器人转化为盲人导航机器人的原则,包括正式化导航机制、开发数据驱动模型和提高用户安全。作者们利用马尔科夫决策过程和实际的人机交互数据,提出了一种被称为“延迟挽具”的交互模型,通过预测并过滤危险动作来增强用户的安全,并对模型和安全机制进行了模拟和实验验证。
Jun, 2023
自主机器人在未知环境中可靠导航,即使在外部感知出现故障时,或者感知算法由于有限泛化能力而对场景进行错误解释时也是如此。本文将感知故障建模为不可见的障碍物和坑洞,并训练了基于强化学习的本地导航策略来引导四足机器人,在受损感知的情况下对感知故障进行端到端的环境重建和响应。
Oct, 2023
通过从动物运动控制中获得灵感,我们展示了训练一种有效的单个运动策略,能够控制多样的四足机器人,该策略通过调节中央模式发生器(CPG)的频率和振幅来产生节奏输出,并将其映射到模式形成(PF)层,从而在不同机器人之间仅调整缩放参数以适应步幅高度和长度,我们还检验了此策略在Unitree Go1和A1机器人上的模拟到实际转移性能,甚至在增加相当于A1机器人额定质量的125%负载情况下仍然表现良好。
Oct, 2023
四足机器人在人类环境中的逐渐整合以及与实际场景中物体的互动通过将运动-操纵过程分解为低层次的强化学习和高层次的行为克隆,我们使得四足机器人能够仅使用其腿部完成现实世界的操纵任务,并通过模拟和实际实验验证了我们的方法。
Mar, 2024