Multimodal bipedal locomotion generation with passive dynamics via deep reinforcement learning.
Multimodal bipedal locomotion generation with passive dynamics via deep reinforcement learning.
复制标题
DOI：
10.3389/fnbot.2022.1054239
复制
发表时间：
2022
影响因子：
3.1
通讯作者：
中科院分区：
文献类型：
--
作者：
在欠驱动两足机器人中生成多模式运动需要控制方案来促进截然不同的动力学模式的运动模式，这在运动学习任务中是一个极具挑战性的问题。此外，在这种多模式运动中，利用身体形态是很重要的，因为它导致了能量高效的运动。本研究提供了一种框架，通过深度强化学习(DRL)使用被动动力学来再现多通道两足动物的运动。建立了基于被动步行器的欠驱动两足动物模型，并利用DRL设计了控制器。在基于课程学习方法的学习过程中，通过仔细规划DRL奖励功能的权重参数设置，两足动物模型仅通过调整一个命令输入就成功地学习了行走、奔跑和执行步态转换。这些结果表明，DRL可以通过有效地利用被动动力学来生成各种步态。
Generating multimodal locomotion in underactuated bipedal robots requires control solutions that can facilitate motion patterns for drastically different dynamical modes, which is an extremely challenging problem in locomotion-learning tasks. Also, in such multimodal locomotion, utilizing body morphology is important because it leads to energy-efficient locomotion. This study provides a framework that reproduces multimodal bipedal locomotion using passive dynamics through deep reinforcement learning (DRL). An underactuated bipedal model was developed based on a passive walker, and a controller was designed using DRL. By carefully planning the weight parameter settings of the DRL reward function during the learning process based on a curriculum learning method, the bipedal model successfully learned to walk, run, and perform gait transitions by adjusting only one command input. These results indicate that DRL can be applied to generate various gaits with the effective use of passive dynamics.
登录
查看更多内容
影响因子：
2.9
作者：
Dzeladini F;van den Kieboom J;Ijspeert A
通讯作者：
Ijspeert A
影响因子：
2.4
作者：
BLICKHAN, R
通讯作者：
BLICKHAN, R
影响因子：
3.9
作者：
Kang, Gyoo-Chul;Lee, Yoonsang
通讯作者：
Lee, Yoonsang
影响因子：
2
作者：
Minetti, AE;Alexander, RM
通讯作者：
Alexander, RM
影响因子：
5.5
作者：
CAVAGNA, GA;THYS, H;ZAMBONI, A
通讯作者：
ZAMBONI, A