Learning Bipedal Walking on a Quadruped Robot via Adversarial Motion Priors

以前的研究已经成功地展示了四足机器人在具有挑战性的地形中的敏捷和强健的运动。然而，四足机器人的双足运动模式仍未经过验证。本文探讨了一种最初设计用于四足机器人在盲目双足模式下运行的学习框架的适应性。我们利用一个框架，将对抗运动先验与师生策略相结合，使机器人能够模仿参考轨迹并在困难的地形上导航。我们的工作涉及将类似的学习框架转移到四足机器人的双足模式上，并旨在实现在平坦和复杂的地形上的稳定步行。我们的模拟结果表明，训练好的策略使四足机器人能够在平坦和具有挑战性的地形上导航，包括楼梯和不平坦的地面。

本文旨在探索将四足机器人的学习框架适应于双足模式，以实现稳定的步行和在复杂地形上的导航，这是一个新的问题。

本文采用了对抗运动先验与师生策略相结合的框架，使机器人能够模仿参考轨迹并在复杂地形上导航，实现四足机器人在双足模式下稳定行走。

本文使用了对抗运动先验与师生策略相结合的框架，进行了实验来验证该方法的效果。实验结果表明，该方法可以使四足机器人在双足模式下稳定地行走和穿越复杂地形，如楼梯和不平地面。本文还提供了数据集和开源代码，值得进一步研究。

最近的相关研究包括：《Adversarial Robustness for Imitation Learning》、《Deep Reinforcement Learning for Robotic Manipulation with Asymmetric Rewards》等。