计算机科学 > 机器人技术
[提交于 2025年5月1日
]
标题: MULE:多地形和未知负载适应以实现有效的四足运动
标题: MULE: Multi-terrain and Unknown Load Adaptation for Effective Quadrupedal Locomotion
摘要: 四足机器人越来越多地被用于各种地形的负重任务。虽然基于模型预测控制(MPC)的方法可以考虑负载变化,但它们通常依赖于预定义的步态计划或轨迹生成器,限制了它们在非结构化环境中的适应性。为了解决这些局限性,我们提出了一种自适应强化学习(RL)框架,使四足机器人能够动态适应不同的负载和多样的地形。该框架包括一个负责基本运动的基准策略和一个学习校正行为以在负载变化下保持稳定并提高命令跟踪的自适应策略。我们通过在Isaac Gym中的大规模仿真实验以及在Unitree Go1四足机器人上的真实硬件部署验证了所提出的方案。控制器在平坦地面、斜坡和楼梯上,在静态和动态负载变化下进行了测试。在所有设置中,我们的自适应控制器在跟踪身体高度和速度命令方面始终优于现有控制器,展示了增强的鲁棒性和适应性,而无需显式步态设计或手动调整。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.