Apprendimento per Rinforzo per Robot Quadrupedi a Basso Costo con Feedback Ritardato
Un nuovo articolo su arXiv (2607.26434) affronta il divario sim-reale nell'implementazione dell'apprendimento per rinforzo su hardware quadrupede a basso costo. Gli autori identificano le latenze di trasporto e il feedback motorio rumoroso come sfide chiave, in particolare su piattaforme come Mini Pupper 2, dove un ritardo di trasporto misurato superiore a 50 ms trasforma il compito di locomozione in un processo decisionale markoviano parzialmente osservabile. Propongono un approccio biologicamente ispirato che utilizza un modello forward del ritardo medio dell'attuatore abbinato a una rete neurale sensibile al tempo, che apprende un generatore centrale di pattern (CPG) per ottenere una locomozione robusta. Il lavoro amplia le capacità di apprendimento per rinforzo su piattaforme robotiche a basso costo.
Fatti principali
- L'articolo arXiv 2607.26434 affronta il divario sim-reale per robot quadrupedi a basso costo
- La piattaforma Mini Pupper 2 ha un ritardo di trasporto superiore a 50 ms
- Il ritardo trasforma la locomozione in un processo decisionale markoviano parzialmente osservabile
- L'approccio biologicamente ispirato utilizza un modello forward del ritardo dell'attuatore
- La rete neurale sensibile al tempo apprende un generatore centrale di pattern (CPG)
- Il metodo ottiene una locomozione robusta su hardware a basso costo
- Focus sul colmare il divario sim-reale per l'apprendimento per rinforzo
- Pubblicato su arXiv con tipo di annuncio incrociato
Entità
Istituzioni
- arXiv