Learning to Open and Traverse Doors with a Legged Manipulator

使用门一直是机器人领域的一个长期挑战，并且在让机器人更好地进入以人为中心的空间方面具有重要的实际意义。这项任务具有挑战性，因为需要对不同的门属性进行在线适应，并精确控制操作门板和穿过狭窄门口。为了解决这个问题，我们提出了一种基于学习的控制器，用于让一只有腿的机械手臂打开并穿过门。该控制器使用师生方法在仿真环境中进行训练，以学习强健的任务行为以及在交互过程中估计关键的门属性。与以往的方法不同，我们的方法是一个单一的控制策略，可以通过学习的行为来处理推拉门，并在部署过程中推断开门方向，无需先前的知识。该策略已在带有机械臂的ANYmal有腿机器人上部署，并在实验环境中重复试验中实现了95.0％的成功率。额外的实验验证了该策略对各种门和干扰的有效性和鲁棒性。该方法和实验的视频概述可以在youtu.be/tQDZXN_k5NU中找到。

解决问题：论文旨在解决机器人如何通过开门进入人类环境的问题，需要在线适应不同的门属性并精确控制机器人的动作。

关键思路：论文提出了一种基于学习的控制器，使用师生方法在模拟中进行训练，以学习稳健的任务行为以及在交互过程中估计关键门属性。该方法是单一控制策略，可以处理推拉门，并在部署过程中推断开门方向，而无需事先知道。

亮点：论文的方法在ANYmal腿式机器人上进行了部署，并在实验环境中重复试验中取得了95.0％的成功率。其他实验证实了该策略对各种门和干扰的有效性和稳健性。论文提供了视频概述和开源代码。

相关研究：最近的相关研究包括“基于视觉的门开启方法”和“使用强化学习的门开启方法”。