Learning Coordinated Terrain-Adaptive Locomotion by Imitating a Centroidal Dynamics Planner
Learning Coordinated Terrain-Adaptive Locomotion by Imitating a Centroidal Dynamics Planner
复制标题
通过模仿质心动力学规划器来学习协调地形自适应运动
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Konstantinos Bousmalis
中科院分区：
文献类型：
--
作者：
Philemon Brakel;Steven Bohez;Leonard Hasenclever;N. Heess;Konstantinos Bousmalis
我们提出了一种简单的模仿学习程序，用于学习可以在非常具有挑战性的地形上行走的运动控制器。我们使用轨迹优化（TO）在程序生成的地形上生成大量轨迹数据集，并使用强化学习（RL）来模仿这些轨迹。我们通过 ANYmal 机器人的真实模型证明，学习的控制器可以转移到看不见的地形，并提供有效的初始化，以便在需要外感知和精确脚部放置的挑战性地形上进行微调。我们的设置以简单的方式结合了 TO 和 RL，克服了前者的计算限制和对鲁棒跟踪控制器的需求，以及后者的探索和奖励调整困难。
We propose a simple imitation learning procedure for learning locomotion controllers that can walk over very challenging terrains. We use trajectory optimization (TO) to produce a large dataset of trajectories over procedurally generated terrains and use Reinforcement Learning (RL) to imitate these trajectories. We demonstrate with a realistic model of the ANYmal robot that the learned controllers transfer to unseen terrains and provide an effective initialization for fine-tuning on challenging terrains that require exteroception and precise foot placements. Our setup combines TO and RL in a simple fashion that overcomes the computational limitations and need for a robust tracking controller of the former and the exploration and reward-tuning difficulties of the latter.
深度（呃）学习。
DOI：
10.1523/jneurosci.0153-18.2018
发表时间：
2018
期刊：
The Journal of neuroscience : the official journal of the Society for Neuroscience
影响因子：
--
作者：
Srinivasan,Shyam;Greenspan,RalphJ;Stevens,CharlesF;Grover,Dhruv
通讯作者：
Grover,Dhruv